一种多尺度小波核极限学习机的图像检索仿真-红外技术.pdfVIP

第37 卷 第6 期 红 外 技 术 Vol.37 No.6 年月 2015 6 Infrared Technology June 2015 一种多尺度小波核极限学习机的图像检索仿真 孙中华，杨晓迪，古丽米拉 克孜尔别克  （新疆农业大学计算机与信息工程学院，新疆 乌鲁木齐 830052 ） 摘要：阐述了核极限学习机原理。在此基础上提出了一种多尺度小波核极限学习机，将多尺度小波核 作为极限学习机的核函数，测试表明是其一种可实现的极限学习机核。同时在无训练数据分布的空间 也具备分类能力，同等条件下高斯核极限学习机却不具备分类能力。在图像检索中应用多尺度小波核 极限学习机，实验表明，相比支持向量机学习机分类算法，该分类算法可提高检索精度以及速度，具 有优良的性能和一定的应用价值。 关键词：图像检索；支持向量机；多尺度小波核；极限学习机；分类算法 中图分类号：TP391.9 文献标识码：A 文章编号：1001-8891(2015)06-0484-04 A Multi-scale Wavelet Image Retrieval Simulation of Kernel Extreme Learning Machine SUN Zhong-hua，YANG Xiao-di ，GuLimilakezierbieke （Institute of Computer and Information Engineering ，Xinjiang Agricultural University ，Urumqi 830052 ，China） Abstract ：The principle of kernel Extreme Learning Machine (ELM) is demonstrated. Based on above, a multi-scale wavelet kernel ELM is proposed in which the multi-scale wavelet kernel is employed as kernel function. It is an achievable ELM which has classification ability in the distribution space with no training data while Gaussian kernel ELM does not perform well. Simulation results show that multi-scale wavelet kernel ELM has higher retrieval precision and efficiency compared with support vector machine model when they are used in image retrieval. The proposed approach has excellent performance and application value. Key words ：image retrieval，multi-scale wavelet kernel ，SVM，ELM ，classification algorithm 该方法具有良好的非线性映射能力，广泛应用在 0 引言 支持向量机中。文献[7]提到，核方法也可以应用到极 为了提高图像检索精度，引入了学习机制。Vapnik 限学习机算法中。 等在统计学理论基础上提出了支持向量机SVM[1]，有