基于自标注在线顺序极速学习机的图像识别方法

摘要：

针对图像识别领域目标域标注数据较少而未标注数据较多的情形,为能充分利用未标注数据以提高模型识别能力,提出一种自标注在线顺序极速学习机(SLOSELM)算法.基于源域中已标注数据构建极速学习机(ELM)模型以识别目标域中未标注数据,选取识别结果中置信度高的样本,并采用SLOSELM算法对ELM模型进行自适应调整,提高图像识别能力.在真实数据集上的实验结果表明,应用SLOSELM算法后ELM模型的图像平均识别能力提高约18％,相比Co-training算法识别时间更短.

关键词：机器学习、极速学习机、迁移学习、自标注算法、图像识别

所属期刊栏目：42

分类号：TP393(计算技术、计算机技术)

资助基金：河南省基础与前沿技术研究计划基金资助项目“基于多源光学图像的信息融合关键技术研究”142300410374

在线出版日期：2016-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：208-212,217