一种基于特征增益矩阵增量学习的图像分类方法及系统

摘要

本发明提供了一种基于特征增益矩阵增量学习的图像分类方法及系统，通过构建第一数据集和第二数据集，其中，第一数据集为基础数据集，第二数据集为测试数据集；构建第一图像分类神经网络模型；根据第一数据集，对第一图像分类神经网络模型进行迭代训练；分别构建第三数据集和第四数据集，其中，第三数据集为增量式数据集，第四数据集为增量式测试数据集；根据第三数据集和第四数据集，对迭代训练之后的第一图像分类神经网络模型进行增量训练；判断增量训练是否完成；如果未完成，则转入分别构建第三数据集和第四数据集的步骤中；如果完成，获得第一图像分类结果，达到了提高增量学习图像分类的准确度，并减少增量训练所需的存储空间的技术效果。