福州大学学报（自然科学版）
福州大學學報（自然科學版）
복주대학학보（자연과학판）
JOURNAL OF FUZHOU UNIVERSITY(NATURAL SCIENCE EDITION)
2015年
2期
176-181
,共6页
图像分类%极限学习机%在线学习%神经网络%局部二值模式
圖像分類%極限學習機%在線學習%神經網絡%跼部二值模式
도상분류%겁한학습궤%재선학습%신경망락%국부이치모식
image classification%extreme learning machine%online learning%neural network%local binary pattern
结合LBP算子提取图像的局部纹理特征,在分类阶段根据优化解进行矩阵逆的区别计算并加入正则因子,最后结合在线学习方法,提出准确在线连续极限学习机的图像分类改进算法.实验结果表明,改进算法在图像分类方面比传统的极限学习机有更快的学习速度,更好的泛化性能.
結閤LBP算子提取圖像的跼部紋理特徵,在分類階段根據優化解進行矩陣逆的區彆計算併加入正則因子,最後結閤在線學習方法,提齣準確在線連續極限學習機的圖像分類改進算法.實驗結果錶明,改進算法在圖像分類方麵比傳統的極限學習機有更快的學習速度,更好的汎化性能.
결합LBP산자제취도상적국부문리특정,재분류계단근거우화해진행구진역적구별계산병가입정칙인자,최후결합재선학습방법,제출준학재선련속겁한학습궤적도상분류개진산법.실험결과표명,개진산법재도상분류방면비전통적겁한학습궤유경쾌적학습속도,경호적범화성능.
