基于稀疏自动编码器和支持向量机的图像分类方法

摘要

基于稀疏自动编码器和支持向量机的图像分类方法，包括以下步骤：获取训练图像集和测试图像集；构建多隐含层的深度稀疏自动编码器，对深度稀疏自动编码器进行训练，直到满足训练条件。将测试图像集输入到训练好的深度稀疏自动编码器进行逐层学；并用提出的特征权值结合法对每个特征集分配一个特征权值，最后将每层隐含层获得的特征集和对应的权值结合成一个新的待分类图像特征集；将训练图像特征集作为训练样本对支持向量机分类器进行训练，达到支持向量机最优分类性能；将得到的待分类图像特征集输入到优化后的支持向量机，进行图像分类并得到分类准确率。本发明有效的提高了图像的分类准确率，具有良好的泛化能力和适用范围。

主权项

基于稀疏自动编码器和支持向量机的图像分类方法，其特征在于：该方法包括以下步骤，S1：获取训练图像集和测试图像集；S2：构建多隐含层的深度稀疏自动编码器，输入训练图像集，对深度稀疏自动编码器进行训练，直到满足训练条件；S3：将测试图像集输入到训练好的深度稀疏自动编码器进行逐层学习，每层隐含层提取到一个特征集信息；并用提出的特征权值结合法对每个特征集分配一个特征权值，最后将每层隐含层获得的特征集和对应的权值结合成一个新的待分类图像特征集；S4：将训练图像特征集作为训练样本对支持向量机分类器进行训练，并采用遗传算法对支持向量机进行优化，选择出支持向量机的最优参数，达到支持向量机最优分类性能；S5：将得到的待分类图像特征集输入到优化后的支持向量机，进行图像分类并得到分类准确率。