基于残差补偿极限学习机的图像分类算法

• 作者: 陶虹
• 来源期刊: 新一代信息技术
• 关键词: 极限学习机 图像分类 特征融合
• 年，卷（期）: 2019,（10）
• 页码范围: 1-9
• 页数: 9页
• 字数: 5257字
• 语种: 中文

摘要

图像分类是人工智能领域的基本研究内容之一.在图像分类任务中,特征的提取和分类器的选择是影响分类正确率的重要因素.本文提出一种基于残差补偿极限学习机的图像分类算法,该方法对原有极限学习机进行改进,在网络训练过程中通过对误差的不断矫正和补偿,获得了性能良好的分类器.并通过特征融合的方法实现不同特征的串联拼接,提高了提取特征的质量,进一步提高了图像分类的准确性.实验结果表明,本文提出的图像分类算法有较好的性能,在多个数据集下均有良好的性能表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶虹	中国海洋大学信息科学与工程学院	2	0	0.0	0.0