区域渐近增强与感受野结合的多核近似学习网

• 作者: 刘彬 刘静 吴超 李雅倩 张亚茹 杨有恒
• 来源期刊: 计量学报
• 关键词: 计量学 图像识别 多核近似映射 二维高斯分布 局部感受野 全局感受野 极端学习机
• 年，卷（期）: 2021,（6）
• 页码范围: 694-703
• 页数: 10页
• 分类号: TB96|TB973
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2021.06.02

摘要

为充分提取图像中可辨识信息、提高分类正确率,提出多核近似学习网,该网络主要由2部分构成.在.特征提取部分,利用二维高斯分布对原始图像进行区域渐进增强,局部感受野和全局感受野被用于充分提取原始图像和区域渐进增强图像中的局部和全局特征,并将其串联以组成代表图像的特征向量.在分类部分,提出多核近似算法,将近似核映射编码出的低秩特征矩阵作为网络的隐藏层,以求解网络的输出权重.为验证该网络的有效性,利用USPS、MNIST和NORB数据集进行实验,实验证明所提出的多核近似学习网能够在局部感受野极端学习机的基础上进一步提取出特征信息,有效提高了分类正确率.