基于鲸鱼算法优化极限学习机的道路识别,基于woa-elm的道路分割,基于woa-elm的遥感图像分割

目录

背影
极限学习机
基于鲸鱼算法优化极限学习机的道路识别,基于woa-elm的道路分割,基于woa-elm的遥感图像分割
主要参数
MATLAB代码
效果图
结果分析
展望
完整代码下载链接:https://download.csdn.net/download/abc991835105/88762273

背影

极限学习机是在BP神经网络上改进的一种网络,拥有无限拟合能力,但是容易过拟合,本文通过基于鲸鱼算法优化极限学习机的道路识别,基于woa-elm的道路分割,基于woa-elm的遥感图像分割,泛化能力好的网络

摘要

极限学习机原理,鲸鱼算法原理,基于鲸鱼算法优化极限学习机的道路识别,基于woa-elm的道路分割,基于woa-elm的遥感图像分割

极限学习机

极限学习机(Extreme Learning Machine, ELM)或“超限学习机”是一类基于前馈神经网络(Feedforward Neuron Network, FNN)构建的机器学习系统或方法,适用于监督学习和非监督学习问题
[1]
。ELM在研究中被视为一类特殊的FNN,或对FNN及其反向传播算法的改进,其特点是隐含层节点的权重为随机或人为给定的,且不需要更新,学习过程仅计算输出权重
[2]
。传统的ELM具有单隐含层,在与其它浅层学习系统,例如单层感知机(single layer perceptron)和支持向量机(Suppor

你可能感兴趣的:(BP神经网络,100种启发式智能算法及应用,鲸鱼算法,极限学习机,道路识别,深度学习)