没有合适的资源?快使用搜索试试~ 我知道了~
基于传统机器学习与深度学习的图像分类算法对比分析_刘华祠.pdf
需积分: 48 14 下载量 52 浏览量
2021-11-17
16:09:57
上传
评论
收藏 1.93MB PDF 举报
温馨提示
试读
4页
机器学习、深度学习
资源推荐
资源详情
资源评论
电 脑 与 信 息 技 术
2019 年 10 月
吴家菊等:交互式电子技术手册的技术发展与应用研究
收稿日期:2019-05-25
作者简介:刘华祠(1993-),男,湖北黄冈人,硕士学历,主要研究方向:深度学习,机器学习。
文章编号:1005-1228(20!")05-001#-$%
Vol.&’ No.(
)*+. 20!"
第 27 卷第 5 期
20 1 9 年 10 月
电 脑 与 信 息 技 术
Computer and Information Technology
基于传统机器学习与深度学习的图像分类算法对比分析
刘华祠
(长江大学电子信息学院,湖北 荆州,434023)
摘 要:深度学习作为机器学习的一个分支,具有强大的功能和灵活性,文章对机器学习:K 领近,贝叶斯,支持向量机,与
深度学习:卷积神经网络,递归神经网络在大样本手写数字识别与小样本图像场景分类效果上进行了对比与分析,实验结
果表明:传统机器学习在小样本数据集上具有较好的解决效果,深度学习框架在大样本上数据集上具有较高的识别精度。
关键词:机器学习;深度学习;图像分类
中图分类号:,-."/0%/ 文献标识码:1
Comparative Analysis of Image Classification Algorithms Based on Traditional Machine
Learning and Deep Learning
LIU Hua-ci
(School of Electronics and Information, Yangtze University, Jingzhou 434023, China)
Abstract: Deep learning, as a branch of machine learning, has powerful functions and flexibility. This paper is about
machine learning: K-near, Bayesian, support vector machine, and deep learning: convolution neural networks, recursive
neural networks in large The sample handwritten digit recognition and the small sample image scene classification effect are
compared and analyzed. The experimental results show that the traditional machine learning has a good solution effect on
the small sample data set, and the deep learning framework has a wide range on the large sample data set. Applicability.
Key words: machine learning; deep learning; image classification
随着人工智能的来临,深度学习在各大领域占据
着最为主要的成分。传统的图像识别技术是以浅层次
结构模型为主,需要人为对图像进行预处理,导致降低
图像识别的准确率
2!3
。为了提高图像识别精度,深度学
习模型结构被提出,如:456,716,866,966 等。但
是,这些深度学习模型结构等都需要大规模数据集的
训练。传统的机器学习图像识别模型,: 邻近;:66<、贝
叶斯网络、支持向量机;=>?<等,仍然具备各种优势。
本文通在两种数据集上对比分析,分别采用传统的机
器学习和深度学习的方法验证精度和时间,得出机器
学习与深度学习各自的优缺点。通过实验,分析深度学
习和传统的机器学习的优点与不足。
1 传统机器学习
1.1 本文特征提取方法
传统机器学习方法中,除了分类方法之外,提取图
像特征向量也是一个重要的研究课题。常用的特征有@
=AB, 特征
2#3
,CDEEFG 角点检测
2.3
等,对于图像特征的提取
具有较好的效果。本文采用图像的直方图方法提取图
像的特征向量,为了防止过拟合,在提取特征向量引入
H& 正则化提高模型的泛化能力
2%3
,采用如图 ! 所示的
方法进行分类识别。
图 1 传统机器学习识别方法
1.2 K 邻近算法
:66 通过计算待测样本数据与训练数据中不同
类别数据点间的相似度进而进行待测样本分类
2(3
。:66
算法常用的距离测量公式为欧式距离。
I;JKL<M
N
F M O
Σ
PPQ
F
RS
F
PP
#
(/)
算法的基本步骤为:
DOI:10.19414/j.cnki.1005-1228.2019.05.004
资源评论
一马归一码
- 粉丝: 7132
- 资源: 7
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功