重庆理工大学学报(自然科学)
• •
闫河,王鹏,董莺艳,等
出版日期:
发布日期:
Online:
Published:
摘要: 为提高船舶分类识别的精度,提出一种卷积神经网络(CNN)与极限学习机(ELM) 相结合的分类识别方法。该方法采用8层AlexNet的卷积神经网络对船舶训练图片进行监督训 练,并把AlexNet网络的第一个全连接层的输出作为特征训练样本完成对ELM的监督训练。对 比实验结果表明:本文方法对船舶分类识别平均准确率为94%。
. 一种CNN与ELM相结合的船舶分类识别方法[J]. 重庆理工大学学报(自然科学), 2019, 33(1): -.
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: http://clgzk.qks.cqut.edu.cn/CN/
http://clgzk.qks.cqut.edu.cn/CN/Y2019/V33/I1/
Cited