دسته بندی تصاویر بر اساس ترکیبی از اتوانکدر و ماشین یادگیری شدید ELM

پژوهشهای اخیر مزایای سرعت استفاده از ماشینهای یادگیری شدید ) ELM ( را در حوزه دسته بندی تصویر نشان داده است. اما به طور کلی ELM به مقاوم نبودن در برار نویز معروف است، برای بالا بردن کارایی دسته بندی، ما یک روش ترکیبی برای کاهش نویز، کاهش حجم دادهها و بهرهبرداری از مزایایسرعت ELM پیشنهاد میکنیم. برای رسیدن به این تکامل از یک روش استخراج ویژگی به نام اتوانکدر بهره میگیریم، به طور دقیقتر روش پیشنهادی شامل دو مرحله است. نخست، ابعاد دادههای موردنظر با استفاده از اتوانکدر کاهش داده میشود، سپس دادههای بدست آمده برای دسته بندی در اختیار یکشبکه ELM قرار میگیرند، به این ترتیب میتوان بار محاسباتی ELM را کاهش داد. آزمایشهای گسترده بر روی طبقه بندی دست نوشتههای رقمی، بهطور واضح کارایی دسته بندی ترکیبی پیشنهادی را برحسب دقت و NMI نشان میدهد.

کلیدواژه ها:

دسته بندی تصویر ، کاهش بعد ، اتوانکدر ، ماشین یادگیری شدید ELM