买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江理工大学

摘要：本发明公开了一种基于MGO优化RVFL的水下鱼类分类方法，本发明步骤：准备数据集并进行预处理；DarkNet53进行图像特征提取；训练MGO优化的RVFL模型，得到DarkNet53‑MGO‑RVFL模型；本专利能基于鱼类图片，输出鱼类分类结果。本发明可高效地对水下鱼类进行种类划分。模型具备优秀的预测精度，良好的收敛性和稳定性，提高了水下目标分类的效率与准确性。

主权项：1.一种基于MGO优化RVFL的水下鱼类分类方法，其特征在于，该方法包括下列步骤：步骤1：获取已标注鱼类种类的数据集并进行预处理步骤2：构建基于迁移学习的DarkNet53特征提取网络使用ImageNet数据集预训练得到初始网络模型DarkNet53，对所述初始网络模型DarkNet53进行迁移学习，并对所述初始网络模型DarkNet53的网络参数进行微调，得到DarkNet53特征提取网络；步骤3：将所述训练集中的数据输入步骤2中得到的所述DarkNet53特征提取网络，并进行PCA降维，最后保存得到图像特征；所述PCA降维的维度是一个需要调整的参数，通过调整降维的维度来找使得预测结果误差最小的PCA降维的维度；步骤4：使用MGO算法优化RVFL网络，得到DarkNet53-MGO-RVFL模型首先获取经过步骤3中所述PCA降维后得到的图像特征及其对应的鱼类标签信息；然后开始迭代：使用MGO算法更新所述MGO算法中的个体的位置并求出相应的误差，将所述误差作为个体的适应度，设定最优适应度，如果所述个体的适应度小于当前的最优适应度，则更新MGO算法中的该种群的最优解，反之则不更新；设定最大迭代次数，当迭代次数达到最大迭代次数后，返回最优解；基于返回的所述最优解，通过矩阵重排求得所述RVFL网络的输入权重Weights，隐含层偏置bias和正则化系数C；将RVFL网络的输入乘以输入权重Weights再加上隐含层偏置bias经激活函数激活后得到矩阵H1，与输入矩阵H2通过行拼接，得到矩阵H,用矩阵H的Moore-Penrose伪逆矩阵乘RVFL的输出矩阵即可得到输出权重矩阵β；基于已经获得的所述RVFL网络的输入权重Weights，隐含层偏置bias，正则化系数C和输出权重矩阵β，得到DarkNet53-MGO-RVFL模型；将所述测试集中的数据输入所述DarkNet53-MGO-RVFL模型，得到测试集的预测值；设定预设正确率，计算所述预测值的正确率，当正确率达到预设正确率时，进入步骤5；当正确率达不到设定预设正确率时，返回步骤4；步骤5：获取待分类的鱼类图像，并输入所述DarkNet53-MGO-RVFL模型，得到鱼类分类信息。

全文数据：

权利要求：

百度查询： 浙江理工大学 一种基于MGO优化RVFL的水下鱼类分类方法