作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
文章对基于多特征提取和改进的SVM分类器的新型图像分类算法进行了理论分析和数值分析.计算机视觉两个基础研究问题是图像对象分类及检测,图像分类方法的核心是利用海量图像冗余数据进行图像特征互补提取,造成图像分类精度较差.本文结合图像分类的特点和综合方法提出了改进的支持向量机(SVM).该方法可以对图像内容特征进行综合描述,利用主成分分析提取变换特征,消除冗余信息,通过实验结果证明了该算法的有效性和可行性.
推荐文章
基于深度学习的图像识别技术研究综述
图像识别
CNN
R-CNN
SPP-Net
FastR-CNN
基于深度学习的肺部肿瘤图像识别方法
样本扩充
迁移学习
深度学习
归一预处理
医学图像识别
利用卷积神经网络改进迭代深度学习算法的图像识别方法研究
深度学习
卷积神经网络(CNN)
自适应
图像识别
层次化迭代
基于深度学习的图像识别算法研究
深度学习
图像识别算法
深度神经网络
卷积神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的图像识别算法构建
来源期刊 粘接 学科
关键词 图像识别 深度学习 支持向量机 特征提取
年,卷(期) 2021,(3) 所属期刊栏目 数据信息与智能
研究方向 页码范围 92-95
页数 4页 分类号 TP393
字数 语种 中文
DOI 10.3969/j.issn.1001-5922.2021.03.023
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (70)
共引文献  (29)
参考文献  (9)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(20)
  • 参考文献(2)
  • 二级参考文献(18)
2015(32)
  • 参考文献(1)
  • 二级参考文献(31)
2016(5)
  • 参考文献(3)
  • 二级参考文献(2)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像识别
深度学习
支持向量机
特征提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
粘接
月刊
1001-5922
42-1183/TQ
大16开
湖北襄阳高新区航天路7号
38-40
1980
chi
出版文献量(篇)
5030
总下载数(次)
30
论文1v1指导