基于ELM改進(jìn)K-SVD算法的多特征融合物體成像識(shí)別

• 通過(guò)極限學(xué)習(xí)機(jī)ELM算法改進(jìn)K-SVD字典學(xué)習(xí)算法，并成功應(yīng)用于多特征融合物體成像識(shí)別領(lǐng)域。研究結(jié)果表明：通過(guò)ELM算法，字典精確度和優(yōu)勢(shì)在處理后的提升效果均十分顯著。不論是從計(jì)算效率還是計(jì)算準(zhǔn)確率來(lái)看，改進(jìn)的K-SVD算法表現(xiàn)出較佳優(yōu)勢(shì)。K-SVD算法性能可通過(guò)ELM顯著提升，算法識(shí)別準(zhǔn)確率在多特征加入后也相應(yīng)快速增長(zhǎng)。將較低分辨率的樣本從圖像中篩選出來(lái)，有利于減少傅里葉疊層成像數(shù)量。
• 關(guān)鍵字： 202308  K-SVD算法  算法改進(jìn)  圖像識(shí)別