TY-JOURA2-Mateos、CristianAU-Liu、Jun-EU-AU-A方法将图像特征提取分类为分类操作两步深学习模型有强大的学习能力,它把特征提取和分类过程整体化完成图像分类测试,从而有效提高图像分类精度方法应用过程有下列问题:第一,无法有效近似深学习模型中的复杂函数第二,深学习模型配有低精度分类器论文向深学习网络架构介绍稀疏表示思想,并综合利用浅多维数据线性分解能力稀疏表示和多层非线性映射深层结构优势以完成深学习模型复杂函数近似并基于优化内核函数的稀疏表示分类法建议替换深学习模型中的分类器,从而改善图像分类效果图片分类算法基于堆叠稀疏深度学习模型优化内核函数非负式稀疏实验结果显示,拟议方法不仅比其他主流方法平均精度更高,还可以很好地适应各种图像数据库与其他深学习方法相比,它可以更好地解决复杂函数近似和差分解效果问题,从而进一步提高图像分类精度SN-1058-9244UR-https://doi.org/101155/2020/7607612DO-10.1155/2020/7607612JF-科学编程PB-HindawiKW-ER