首页> 中文期刊> 《电子产品世界》 >在线极限学习机及其在图像识别中的应用

在线极限学习机及其在图像识别中的应用

         

摘要

针对海量图像数据的识别问题,本文提出了在线极限学习机( online optimized ELM,OP-ELM).OP-ELM以单隐层前馈神经网络(single hidden layer feed forward networks,SLFNs)为基础,固定了隐含节点数以及节点参数,在在线增量学习过程中综合考虑历史数据和新数据,产生全局唯一的最优解,降低了计算资源的需求,继承了极限学习机( Extrene Learning Machine,ELM)学习速度快泛化性能好的优点.因此非常适合于海量图像数据的在线学习问题.在公开图像数据集Caltech4和Scene13上的实验表明,本文提出的方法取得了与前沿离线识别方法性能相当的识别效果,与基于SVM的在线学习方法LA-SVM相比,在参数规模、参数调节以及学习算法效率方面具有明显优势.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号