一种基于超限隐特征学习模型的图像分类与重建方法
授权
摘要
本发明公开了一种基于超限隐特征学习模型的图像分类与重建方法，采用了一种数据重构策略进行特征学习，高效学习原始感知数据与相应的高级语义转换关系。具体地说，ELM和ELM‑AE(基于ELM的自编码器)被统一在一个学习模型中，该模型具有图像分类能力和图像重建能力，且能够更好地揭示原始图像数据和高级语义之间的潜在关系，减少信息丢失，提高图像分类精度并具备优异的图像数据重建能力。ELF(超限隐特征学习模型)继承了ELM和ELM‑AE的优点，并且可以在保护原始数据信息的情况下得到良好的图像分类和图像重建效果。此外，使用了一种基于交错方向法的高效算法来求解优化ELF模型，进一步提升了ELF模型的精度。
基本信息
专利标题 ：
一种基于超限隐特征学习模型的图像分类与重建方法
专利标题（英）：
暂无
公开（公告）号 ：
CN109934295A
申请号 ：
CN201910204091.3
公开（公告）日 ：
2019-06-25
申请日 ：
2019-03-18
授权号 ：
CN109934295B
授权日 ：
2022-04-22
发明人 ：
郭坦胡昊谭晓衡杨柳梁志芳熊炼
申请人 ：
重庆邮电大学
申请人地址 ：
重庆市南岸区崇文路2号
代理机构 ：
成都时誉知识产权代理事务所(普通合伙)
代理人 ：
陈千
优先权 ：
CN201910204091.3
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-04-22 ：
授权
2019-07-19 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20190318
申请日 : 20190318
2019-06-25 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
