混合图像分类方法:基于极限学习机和稀疏表示的结合
本文介绍了一种结合极限学习机和稀疏表示的混合图像分类方法。该方法首先使用稀疏表示提取图像特征,并采用K均值聚类算法进行字典学习,然后将得到的特征输入到极限学习机中进行分类。实验结果表明,该方法在多种数据集上的分类准确率均优于其他一些常见的分类方法。
以下是该方法的matlab代码实现:
% 读入数据集
load('data.mat');
% 将图像转化为向量
X0 = reshape(X,28*28
文章提出了一种结合极限学习机和稀疏表示的图像分类方法,通过稀疏表示提取特征,K均值聚类学习字典,再用极限学习机进行分类。实验显示该方法在多种数据集上表现优越。
混合图像分类方法:基于极限学习机和稀疏表示的结合
本文介绍了一种结合极限学习机和稀疏表示的混合图像分类方法。该方法首先使用稀疏表示提取图像特征,并采用K均值聚类算法进行字典学习,然后将得到的特征输入到极限学习机中进行分类。实验结果表明,该方法在多种数据集上的分类准确率均优于其他一些常见的分类方法。
以下是该方法的matlab代码实现:
% 读入数据集
load('data.mat');
% 将图像转化为向量
X0 = reshape(X,28*28

被折叠的 条评论
为什么被折叠?