首頁　 資訊　 商機 　 下載　 拆解 　 高校　 招聘 　 雜志　 會展　 EETV　 百科 　 問答　 電路圖　 工程師手冊 　 Datasheet　 100例 　 活動中心　 E周刊閱讀 　 樣片申請
EEPW首頁 >> 主題列表 >> k-svd算法

基于ELM改進K-SVD算法的多特征融合物體成像識別

  • 通過極限學(xué)習(xí)機ELM算法改進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別領(lǐng)域。研究結(jié)果表明：通過ELM算法，字典精確度和優(yōu)勢在處理后的提升效果均十分顯著。不論是從計算效率還是計算準(zhǔn)確率來看，改進的K-SVD算法表現(xiàn)出較佳優(yōu)勢。K-SVD算法性能可通過ELM顯著提升，算法識別準(zhǔn)確率在多特征加入后也相應(yīng)快速增長。將較低分辨率的樣本從圖像中篩選出來，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  圖像識別  
共1條 1/1 1

k-svd算法介紹

您好，目前還沒有人創(chuàng)建詞條k-svd算法!
歡迎您創(chuàng)建該詞條，闡述對k-svd算法的理解，并與今后在此搜索k-svd算法的朋友們分享。    創(chuàng)建詞條

熱門主題

樹莓派    linux   
關(guān)于我們 - 廣告服務(wù) - 企業(yè)會員服務(wù) - 網(wǎng)站地圖 - 聯(lián)系我們 - 征稿 - 友情鏈接 - 手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
備案 京ICP備12027778號-2 北京市公安局備案：1101082052    京公網(wǎng)安備11010802012473