10.3969/j.issn.1673-629X.2015.05.004
基于极限学习机的图像压缩算法
神经网络具有并行分布处理、自学习、自适应和很强的鲁棒性及容错性等优点,已被广泛应用于图像压缩领域,为图像压缩提供了一个新途径。极限学习机是一种单隐层前向神经网络算法,与传统神经网络算法相比,具有学习速度快、泛化能力强等优点。文中旨在提出一种基于极限学习机的图像压缩算法。该算法主要利用极限学习机的非线性映射能力,对图像进行压缩编码和解码。首先利用极限学习机通过学习构建一个用于图像压缩的单隐层前向神经网络模型,其次利用该模型实现图像压缩和图像重建。实验结果表明,在相同压缩比下,所提算法的重建效果优于BP神经网络,并且具有较快的学习速度。
图像压缩、单隐层前向神经网络、极限学习机、Matlab仿真
TP183(自动化基础理论)
国家青年科学基金项目31300473;福建省自然科学基金项目2014J0101
2015-06-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
13-16