极限学习机ELM在图像分割中的应用研究.docVIP

极限学习机ELM在图像分割中的应用研究 摘要：使用极限学习机（ELM）的方法进行图像分割问题研究。针对传统图像分割方法中存在着结构设计复杂、所需时间较长、造成图像分割分辨率低，清晰度不高等问题，提出了一种基于极限学习机的图像分割算法。在确定了最优参数的基础上，建立了基于 ELM 的图像分割算法。最后仿真实验证明本文提出的算法能快速有效的分割图像，图像分割孤立点少，边缘明显，同时该算法大大的缩短了样本的训练时间。 关键词：图像分割；极限学习机；前馈神经网络 中图分类号：TP391 文献标识码：A 文章编号：1007-9599 （2013） 02-0000-02 1 引言 图像分割是数字图像处理到图像分析过程中的最重要的步骤，是按照一定的相似性准则将图像中有意义的特征部分提取出来，为进一步图像分析和图像理解打下基础，因此在理论研究和实际应用中都得到了广泛重视。本文提出了一种基于极限学习机的图像分割算法，利用其学习速度快、泛化性能好、调节参数可以直接确定等优点，有效地避免神经网络冗余信息甚至错误信息的干扰，仿真实验结果表明，本算法在改善了图像分割效果的同时大大缩短网络训练时间。 2 极限学习机 单隐藏层前馈神经网络（SLFN）已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，是因为它有很多优点：（1）具有很强的学习能力，能够逼近复杂非线性函数；（2）能够解决传统参数方法无法解决的