作者：闫河; 王鹏; 董莺艳; 罗成; 李焕卷积神经网络极限学习机船舶识别
摘要：为提高船舶分类识别的精度,提出一种卷积神经网络(CNN)与极限学习机(ELM)相结合的分类识别方法。该方法采用8层AlexNet的卷积神经网络对船舶训练图片进行监督训练,并把AlexNet网络的第一个全连接层的输出作为特征训练样本完成对ELM的监督训练。对比实验结果表明:本文方法对船舶分类识别平均准确率为94%。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《重庆理工大学学报·自然科学》（CN：50-1205/T）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度，颇受业界和广大读者的关注和好评。 《重庆理工大学学报·自然科学》以政治哲学、工商管理、法学、语言文学为主要刊登内容，集学术性、知识性、实用性于一体，理论联系实际。
杂志详情
