- 通過極限學習機ELM算法改進K-SVD字典學習算法，并成功應用于多特征融合物體成像識別領域。研究結果表明：通過ELM算法，字典精確度和優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確率來看，改進的K-SVD算法表現出較佳優勢。K-SVD算法性能可通過ELM顯著提升，算法識別準確率在多特征加入后也相應快速增長。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量。
- 關鍵字：
202308 K-SVD算法 算法改進 圖像識別
k-svd算法介紹
您好，目前還沒有人創建詞條k-svd算法!
歡迎您創建該詞條，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。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
