基于流行学和混沌粒子群的深度学图像分类方法

摘要

本发明公开了基于流行学和混沌粒子群的深度学图像分类方法。对图像样本降维；利用自适应混沌粒子群来训练深度学分类器，得到最优解相应的参数值和特征子集；完成种群更新和条件判断；根据优化的特征子集合参数组合，利用图像样本集重新训练深度学分类器；对图像数据进行分类。本发明综合运用流行学、深度学、混沌理论和粒子群，研究图像处理的方法和技术，在图像处理的理论方法上实现创新。

主权项

基于流行学习和混沌粒子群的深度学习图像分类方法，其特征在于：按照以下步骤进行：步骤1：对图像样本降维；步骤2：利用自适应混沌粒子群来训练深度学习分类器，得到最优解相应的参数值和特征子集；步骤3：完成种群更新和条件判断；步骤4：根据优化的特征子集合参数组合，利用图像样本集重新训练深度学习分类器；步骤5：对图像数据进行分类。