买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于变步长ADMM算法极限学习机的图像分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116912600B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311033499.1，技术领域涉及：G06V10/764；该发明授权一种基于变步长ADMM算法极限学习机的图像分类方法是由邹伟东;卢辉煌;夏元清设计研发完成，并于2023-08-16向国家知识产权局提交的专利申请。

本一种基于变步长ADMM算法极限学习机的图像分类方法在说明书摘要公布了：本发明公开了一种基于变步长ADMM算法极限学习机的图像分类方法，提出了变步长交替方向乘子法VariableStepAlternatingDirectionMethodofMultipliers，Var‑ADMM，通过动态调整求解过程的迭代步长，在弥补ADMM算法收敛缓慢的缺陷的同时有效地提高了运算精度；通过将变步长ADMM算法与ELM相结合，在求解输出权重矩阵的过程中使用正则化的方法限制权重系数的大小，避免因权重系数过大导致模型对包含噪声的输入过于敏感导致识别准确率下降，从而有效抑制了ELM出现过拟合，提升了ELM对图像的分类准确率。

本发明授权一种基于变步长ADMM算法极限学习机的图像分类方法在权利要求书中公布了：1.一种基于变步长ADMM算法极限学习机的图像分类方法，其特征在于，包括以下步骤： 步骤1、采集图像数据建立图像数据集，并为图像数据集中的图像数据建立标记形成训练样本集； 步骤2、构建基于变步长ADMM算法的极限学习机模型，所述极限学习机模型的输入为待分类图像，输出为待分类图像的分类；所述极限学习机模型如下所示： 其中，其中，β＝[β1,β2,···,βL]T为输出权重矩阵，T＝[t1,t2,···,tN]T为输入矩阵，H为隐含层输出矩阵，表示矩阵的F范数的平方，||·||1为矩阵的1范数；λ为L1正则化系数，且λ＞0；μ为L2正则化系数，且μ＞0； 步骤3、设定所述极限学习机模型的超参数，即：隐含层节点个数L、L1正则化系数λ、L2正则化系数μ、迭代步长初始值ρ0及最大迭代次数kmax；随机生成隐含层神经元的输入权重系数矩阵w和偏置系数b，随机生成3个迭代过程变量的初始值y0、z0、u0，计算隐含层输出矩阵H＝gwx+b，w为隐含层神经元与输入层神经元的输入权重矩阵，b为隐含层偏置系数向量，g·为激活函数； 步骤4、将训练样本集中的样本图像输入初始的所述极限学习机模型，采用引入的迭代过程变量y和z替代权重系数矩阵β得到目标函数： s.t.y-z＝0 计算yk+1＝HTH+μ+ρI-1HTT+ρzk-uk，其中I为单位矩阵，zk+1＝Sλρyk+1+uk及uk+1＝uk+yk+1-zk+1，得到输出权重矩阵β；改变当前迭代步长ρ，令迭代次数自加1；再计算当前迭代误差，当迭代误差小于阈值或迭代次数大于kmax时完成极限学习机模型的训练执行步骤5，否则执行步骤4； 步骤5、将待分类图像输入训练得到的极限学习机模型中，极限学习机模型输出待分类图像的类别，完成图像的分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。