一种极限学机的元学方法

摘要

本发明公开了一种极限学机的元学方法，包括以下步骤：步骤(1)、产生若干原始训练集；步骤(2)、在每一原始训练集上训练出若干Base-ELM；步骤(3)、将若干Base-ELM作为Meta-ELM的隐结点激活函数，训练Meta-ELM，包括计算隐藏层矩阵H；计算输出层权重β，最终得到预测函数f(x)＝<β,h(x)>。本发明有效并且高效的管理语义大数据的混合分布式存储方案，从而促进了大规模数据存储管理的进步与发展。与现有技术相比，本发明减少了原始ELM算法的随机性对ELM的学性能受到影响。

主权项

一种极限学习机的元学习方法，其特征在于，该方法包括以下步骤：步骤(1)、产生若干原始训练集；步骤(2)、在每一原始训练集上训练出若干Base‑ELM；步骤(3)、将若干Base‑ELM作为Meta‑ELM的隐结点激活函数，训练Meta‑ELM，包括计算隐藏层矩阵H；计算输出层权重β，最终得到预测函数f(x)＝<β,h(x)>。