10.19678/j.issn.1000-3428.0049224
一种基于流形边缘最大化的图像集分类算法
现有的图像集分类算法在进行图像集表示时往往做出多种假设,无法有效描述图像集的特点,且难以利用图像集中区分性信息进行分类.为此,借鉴深度学习的思想,提出一种改进的图像集分类算法.将每个图像集模拟为一个流形并作为多层深度神经网络的输入,通过激励函数使得各个流形非线性地映射到另一个特征空间.在网络的最顶层,采用反向传播和最大流形边缘准则训练和优化流形的参数.在测试阶段,使用训练得到的深度网络,计算测试图像集和所有训练类别之间的相似性,并利用最短距离进行分类.实验结果表明,与判别典型相关分析算法、流形到流形距离等算法相比,所提算法的分类精度更优、运行时间更短.
图像集分类、神经网络、激励函数、流形边缘、最短距离
44
TP393(计算技术、计算机技术)
山西省教育科学“十二五”规划课题GH15052;晋中学院“1331工程”重点创新团队建设计划项目
2018-11-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
308-315