-
公开(公告)号：CN107330456A
公开(公告)日：2017-11-07
申请号：CN201710485184.9
申请日：2017-06-23
Applicant: 江南大学
Abstract: 本发明给出一种基于改进AdaBoost算法的集成深度信念网络图像识别方法，一定程度上解决了图像识别效果与深度网络规模之间的矛盾，提高了图像识别的效率，其主要特征是：(1)分别训练若干个规模不同的并行深度信念网络(DBN)模型以及相应的分类器；(2)利用AdaBoost算法将多个不同结构的DBN分类器集成为强分类器；(3)对强分类器的参数通过BP算法进行整体性深度微调，在相对较短的时间内通过迭代调整得到较好的局部最优解，从而在减少误差的同时能提高模型的分类效果。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
