一种改进的ELM-LRF图像分类方法

• 作者: 续欣莹 谢珺 赵志宏 陈琪
• 来源期刊: 太原理工大学学报
• 关键词: 粒子群 局部感受野 极限学习机 ELM-LRF 图像分类
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息与计算机科学
• 页码范围: 867-874
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2018.06.010

摘要

针对局部感受野的极限学习机(ELM-LRF)卷积过程中各个特征图的输入权重随机生成稳定性较差的问题,引入了粒子群算法的思想改进传统ELM-LRF算法,构造一个最优参数的图像分类算法IPSO-ELM-LRF.实验结果表明,相比于传统ELM-LRF算法,IPSO-ELM-LRF不仅提高了算法的稳定性,还充分发挥了粒子群的全局优化能力,大大提高了分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	续欣莹	太原理工大学电气与动力工程学院	45	318	9.0	16.0
2	谢珺	太原理工大学信息与计算机学院	36	180	8.0	11.0
3	赵志宏	太原理工大学电气与动力工程学院	2	5	1.0	2.0
4	陈琪	太原理工大学电气与动力工程学院	2	1	1.0	1.0