[发明专利]基于核空间的深度散射卷积网络学习方法和系统在审
| 申请号： | 201610035416.6 | 申请日： | 2016-01-19 |
| 公开（公告）号： | CN105718944A | 公开（公告）日： | 2016-06-29 |
| 发明（设计）人： | 熊红凯;熊岳涵 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 上海汉声知识产权代理有限公司 31236 | 代理人： | 徐红银;郭国中 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于核空间的深度散射卷积网络学习方法和系统，包括：参数化小波生成模块、多核学习模块、散射分解模块和支持向量机分类模块，其中：参数化小波生成模块以随机化参数构造小波滤波器组；多核学习模块基于上述滤波器组对训练数据集进行散射网络的卷积分解，并将每条卷积路径的分解系数分别投影到核特征空间，采用多核学习算法选择最优卷积路径；散射分解模块基于上述最优卷积路径对测试数据集进行散射分解，所得的分解系数在支持向量机分类模块被分类。本发明可以有效提升各种类型数字图像的分类准确率。 | ||
| 搜索关键词： | 基于 空间 深度 散射 卷积 网络 学习方法 系统 | ||
【主权项】：
一种基于核空间的深度散射卷积网络学习方法，其特征在于，包括：参数化小波生成步骤：该步骤以随机化参数构造小波滤波器组；多核学习步骤：该步骤基于参数化小波生成步骤构造的小波滤波器组对训练数据集进行散射卷积网络的分解，并采用多核学习算法选择最优卷积路径；散射分解步骤：该步骤基于多核学习步骤选择的最优卷积路径对测试数据集进行散射分解，所得的分解系数在支持向量机分类被分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610035416.6/，转载请声明来源钻瓜专利网。
