1.一种基于olqr算法训练的极限学习机图像分类方法,其特征在于,具体包括以下步骤:
2.根据权利要求1所述的极限学习机图像分类方法,其特征在于,所述激活函数g(w,x,b)为sigmoid函数g(x)=1/(1+e-x)。
3.根据权利要求1所述的极限学习机图像分类方法,其特征在于,所述步骤3中所述使用在线二次规划控制器算法完成基于在olqr算法的在线学习极限学习机图像识别模型的训练,包括:
4.根据权利要求3所述的极限学习机图像分类方法,其特征在于,所述q和r均为单位阵。
5.根据权利要求1所述的极限学习机图像分类方法,其特征在于,所述在线二次规划控制器算法中采用奇异值分解算法对矩阵g=bbt进行特征值分解完成输出层权重系数β的求解,其中,b为某时刻的输入矩阵,g为某时刻输入矩阵及其转置的乘积,具体过程包括:
6.根据权利要求5所述的极限学习机图像分类方法,其特征在于,所述步骤3中所述使用在线二次规划控制器算法完成基于在olqr算法的在线学习极限学习机图像识别模型的训练,包括: