دسته بندي تصاوير بر اساس تركيبي از اتوانكدر و ماشين يادگيري شديد (ELM)

پژوهش‌هاي اخير مزاياي سرعت استفاده از ماشين‌هاي يادگيري شديد (ELM) را در حوزه دسته بندي تصوير نشان داده است. اما به طور كلي ELM به مقاوم نبودن در برار نويز معروف است، براي بالا بردن كارايي دسته بندي، ما يك روش تركيبي براي كاهش نويز، كاهش حجم داده‌ها و بهره‌برداري از مزاياي سرعت ELM پيشنهاد مي‌كنيم. براي رسيدن به اين تكامل از يك روش استخراج ويژگي به نام اتوانكدر بهره مي‌گيريم، به طور دقيق‌تر روش پيشنهادي شامل دو مرحله است. نخست، ابعاد داده‌هاي موردنظر با استفاده از اتوانكدر كاهش داده مي‌شود، سپس داده‌هاي بدست آمده براي دسته بندي در اختيار يك شبكه ELM قرار مي‌گيرند، به اين ترتيب مي‌توان بار محاسباتي ELM را كاهش داد. آزمايش‌هاي گسترده بر روي طبقه بندي دست نوشته‌هاي رقمي، به‌طور واضح كارايي دسته بندي تركيبي پيشنهادي را برحسب دقت و NMI نشان مي‌دهد.