资料介绍
摘要：针对海量图像数据的识别问题，本文提出了在线极限学习机(online optimized ELM，OP-ELM)。OP-ELM以单隐层前馈神经网络(single hidden layer feed forward networks，SLFNs)为基础，固定了隐含节点数以及节点参数，在在线增量学习过程中综合考虑历史数据和新数据，产生全局唯一的最优解，降低了计算资源的需求，继承了极限学习机(Extreme Learning Machine，ELM)学习速度快泛化性能好的优点。因此非常适合于海量图像数据的在线学习问题。在公开图像数据集Caltech4和Scene13上的实验表明，本文提出的方法取得了与前沿离线识别方法性能相当的识别效果，与基于SVM的在线学习方法LA-SVM相比，在参数规模、参数调节以及学习算法效率方面具有明显优势。
我要上传