文献类型：期刊文章

作　　者：张涛[1] 唐华[1] 张甜甜[1]

ZHANG Tao;TANG Hua;ZHANG Tian-tian(Information Technology Center,Hubei University of Technology,Wuhan Hubei430068,China)

机构地区：[1]湖北工业大学信息技术中心,湖北武汉430068

出　　处：《计算机仿真》

基　　金：湖北省教育厅科学技术研究项目(B2020043)。

年　　份：2023

卷　　号：40

期　　号：2

起止页码：284-287

语　　种：中文

收录情况：BDHX、BDHX2020、JST、ZGKJHX、核心刊

摘　　要：当前图像分类方法在分类过程中没有充分获取图像的深度特征,导致方法真阳性率低、假阳性率较高,存在图像分类准确率低等问题。为解决上述问题,提出基于深度神经网络训练与优化算法的图像分类方法。方法选取不同特征的图像构建测试集,利用FCM算法对图像进行分割、去噪处理,根据多核学习对提取的图像深度特征进行适应与融合,并构建一个支持向量机的高分辨图像分类器,最终实现图像分类。实验结果表明,所提方法的图像分类真阳性率较高、假阳性率较低,表明该方法准确率高且有明显的分类效果。

关 键 词：深度神经网络  图像去噪 图像分割 图像特征 深度学习  

分 类 号：TP391.41]