论文部分内容阅读
针对浅层次大规模图像分类的低精度问题,提出深层次特征学习的Adaboost图像分类算法。首先以DBN作为弱分类器对样本图像进行学习,根据每次训练得到的分类错误率以及各样本的分类准确性调整权值;然后在所有弱分类器训练好以后,使用BP算子回溯再次整体调整体样本权值;最后将所有弱分类器集成强分类器,输出最终分类结果。使用MNIST和ETH-80两种数据集进行实验仿真,并将分类结果与其他算法进行比较。结果表明所提算法的分类精度明显高于其他算法,有效实现了高精度的大规模图像分类。