10.3969/j.issn.1006-9348.2020.01.077
深度强化学习的图像特征高效分类方法仿真
针对现有的图像特征分类方法收敛性差,分类无法满足日益增加的网络需求的现状,本文提出了一种基于深度强化学习的图像特征分类方法.通过对目标图像特征区域进行复域Contourlet分解,过滤处理分解结果,从而可以将目标图像子带系数矩阵提取出来,求取系数矩阵的相关特征.采取深度学习网络,使所选图像的特征向量直接经过已训练的层状网络深度模型,完成图像特征分类.实验结果表明,所提方法的误识率比现有方法明显降低,收敛速度明显提升.改进方法比传统方法更具优势,能够满足图像特征分类智能化处理的需要.
深度强化学习、图像特征、特征分类、层状网络深度模型
37
TP391.9(计算技术、计算机技术)
2020-05-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
377-380