一种基于卷积的极限学习机的图像识别方法

发明专利有效专利

申请号：
CN202011642980.7
IPC分类号：G06K9/62;G06N3/08;G06N20/10
申请日期：
2020-12-30
申请人：
北京理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于卷积的极限学习机的图像识别方法
申请号	CN202011642980.7	申请日期	2020-12-30
法律状态	实质审查	申报国家	中国
公开/公告日	2021-04-20	公开/公告号	CN112686323A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;8;;;G;0;6;N;2;0;/;1;0查看分类表>
申请人	北京理工大学	申请人地址	北京市海淀区中关村南大街5号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京理工大学	当前权利人	北京理工大学
发明人	邹伟东;夏元清;李慧芳;张金会;翟弟华;戴荔;刘坤;闫莉萍
代理机构	北京理工大学专利中心	代理人	代丽

摘要

本发明公开了一种基于卷积的极限学习机的图像识别方法，通过采用随机卷积运算提取图像的图像特征向量完成对图像的预处理，采用图像特征向量及标签构建的训练样本集训练极限学习机图像识别模型，由于随机卷积运算中卷积核为随机生成且无需调整，能够很大程度上解决计算负担过重的问题，有效提高了计算效率，在一定程度上能够满足图像识别的需要，同时为更准确地进行图像识别提供了新思路和新途径。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供