一种用于无人机图像分类的混合多层极限学习机
计算机视觉与模式识别
2025-07-14 v1 机器学习
摘要
多层极限学习机（ML-ELM）及其变体已被证明是对不同自然信号（如音频、视频、声学和图像）进行分类的有效技术。本文提出了一种基于 ELM-based 自动编码器（ELM-AE）和区间类型 2 模糊逻辑理论的混合多层极限学习机（HML-ELM），用于主动图像分类并应用于无人机。该提出的方法是一种分层 ELM 学习框架，包含两个主要阶段：1）自学特征提取和 2）监督特征分类。首先，通过堆叠多个 ELM-AE 实现无监督的多层特征编码，其中输入数据被投影到多个高层表示中。在第二个阶段，使用一种新型简化区间类型 2 模糊 ELM（SIT2-FELM）进行最终特征分类，其快速输出降低层基于 SC 算法；改进版本 Center of Sets Type Reducer without Sorting Requirement（COSTRWSR）。为验证 HML-ELM 的效率，提出了两种类型实验进行图像分类。首先，将 HML-ELM 应用于解决多个基准问题进行图像分类。其次，实施了若干针对使用无人机在两个预定义位置之间主动分类和传输四种不同对象的实验。实验表明，所提出的 HML-ELM 在 ML-ELM、多层模糊极限学习机（ML-FELM）和 ELM 等其他类似方法中提供了 superior 效率。
引用
@article{arxiv.2507.08047,
title = {A Hybrid Multilayer Extreme Learning Machine for Image Classification with an Application to Quadcopters},
author = {Rolando A. Hernandez-Hernandez and Adrian Rubio-Solis},
journal= {arXiv preprint arXiv:2507.08047},
year = {2025}
}
备注
22 pages, 10 figures, 3 tables