作者:陶虹极限学习机图像分类特征融合
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。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社