基于流形深度学习和极限学习机的图像集分类系统及方法

摘要

本发明涉及一种基于流形深度学习和极限学习机的图像集分类系统及方法，其特征在于包括流形层，转换层，正交层，投影层，池化层，ELM层和输出层。其方法先用流形层将输入图像中的同一目标对象的多视图子集表示为格拉斯曼流形中的一个点，其次转换层通过线性映射将格拉斯曼流形中的正交矩阵转换为低维矩阵，第三正交层将低维矩阵形成格拉斯曼流形，第四通过投影层将格拉斯曼流形映射到欧氏空间，而后通过池化层融合不同训练分支的数据，同时降低数据特征映射的复杂性并控制训练的过拟合，最后通过ELM层训练并把训练的结果输出。本发明的网络结构相对简单并且更加有效，其不仅在精度上更加准确，而且在学习速度和测试速度上可实现实时在线。