高级搜索

用于表示级特征融合与分类的相关熵融合极限学习机

吴超 李雅倩 张亚茹 刘彬

引用本文: 吴超, 李雅倩, 张亚茹, 刘彬. 用于表示级特征融合与分类的相关熵融合极限学习机[J]. 电子与信息学报, doi: 10.11999/JEIT190186 shu
Citation:  Chao WU, Yaqian LI, Yaru ZHANG, Bing LIU. Correntropy-based Fusion Extreme Learning Machine forRepresentation Level Feature Fusion and Classification[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190186 shu

用于表示级特征融合与分类的相关熵融合极限学习机

    作者简介: 吴超: 男,1990年生,博士生,研究方向为计算机视觉;
    李雅倩: 女,1982年生,副教授,研究方向为计算机视觉;
    张亚茹: 女,1995年生,博士生,研究方向为计算机视觉;
    刘彬: 男,1953年生,教授,研究方向为计算机视觉
    通讯作者: 李雅倩,yaqianli@126.com
  • 基金项目: 国家自然科学基金(51641609)

摘要: 在极限学习机(ELM)网络结构和训练模式的基础上,该文提出了相关熵融合极限学习机(CF-ELM)。针对多数分类方法中表示级特征融合不充分的问题,该文将核映射与系数加权相结合,提出了能够有效融合表示级特征的融合极限学习机(F-ELM)。在此基础上,用相关熵损失函数替代均方误差(MSE)损失函数,推导出用于训练F-ELM各层权重矩阵的相关熵循环更新公式,以增强其分类能力与鲁棒性。为了检验方法的可行性,该文分别在数据库Caltech 101, MSRC和15 Scene上进行实验。实验结果证明,该文所提CF-ELM能够在原有基础上进一步融合表示级特征,从而提高分类正确率。

English

图(8)表(4)
计量
  • PDF下载量:  9
  • 文章访问数:  178
  • HTML全文浏览量:  110
文章相关
  • 通讯作者:  李雅倩, yaqianli@126.com
  • 收稿日期:  2019-03-27
  • 录用日期:  2019-09-03
  • 网络出版日期:  2019-09-12
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章