浅层模糊K均值图像分类网络

• 作者: 李洁 焦志成 王颖 高新波
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 图像分类 深度学习 K均值聚类 浅层网络
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1018-1024
• 页数: 7页
• 分类号: TP391
• 字数: 5441字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1409051

摘要

由于图像数据的冗余性较高，传统的图像分类方法的分类准确率较低，深度学习方法较传统方法提高了图像分类的准确率，但其训练较为复杂。提出了一种浅层模糊K均值图像分类网络，其基本思想是利用模糊K均值聚类求出的聚类中心构造图像特征向量，再利用特征向量训练浅层网络分类器，最后利用训练好的分类器完成图像分类。通过与传统方法的对比，验证了该方法能够较好地完成图像分类任务，并对实验结果进行了分析，为以后的工作奠定了基础。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高新波	西安电子科技大学电子工程学院	176	3425	27.0	52.0
2	王颖	西安电子科技大学电子工程学院	14	80	5.0	8.0
3	李洁	西安电子科技大学电子工程学院	51	747	14.0	26.0
4	焦志成	西安电子科技大学电子工程学院	1	3	1.0	1.0