极端学习机在立体图像质量客观评价中的应用
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

极端学习机在立体图像质量客观评价中的应用

引用
基于传统神经网络训练速度慢、易陷入局部极小值和泛化性能低等问题,提出采用极端学习机(ELM,extreme learning machine)对立体图像质量进行了客观评价.ELM是单隐层前馈神经网络(SLFNs)的泛化,输入权重可以随机赋值并通过解析获得输出权值.与传统神经网络算法相比,ELM算法具有参数选择简单、学习速度快及泛化性能好等优点.实验结果表明,以sigmoid为激励函数,对241幅不同等级的立体图像测试样本进行测试,其正确等级分类率达到93.85%.研究了不同激励函数条件下不同隐藏层节点数对极端学习机网络性能的影响,且将ELM和传统BP及支持向量机(SVM)在立体图像质量评价中的性能进行了分析比较.

极端学习机(ELM)、立体图像、支持向量机(SVM)、客观评价

25

TP391.4(计算技术、计算机技术)

国家高技术研究发展计划(863计划);国家高技术研究发展计划(863计划);国家自然科学基金

2014-10-29(万方平台首次上网日期,不代表论文的发表时间)

1837-1842

相关文献
评论
暂无封面信息
查看本期封面目录

光电子.激光

1005-0086

12-1182/O4

25

2014,25(9)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn