图像分类方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种图像分类方法、装置、设备及存储介质，该方法包括：对获取到的待分类的原始图像进行预处理，获得处理后的图像；对原始鲸鱼优化算法进行改进，根据改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，然后基于所述改进后的分类模型对所述处理后的图像进行分类，获得图像分类结果。由于本发明专利技术通过对原始鲸鱼优化算法进行改进，避免陷入局部最优解，提高算法精度，然后通过改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，提高支持向量机的分类精确度，并将改进后的支持向量机通过有向无环图的方法进行多分类模型拓展，从而能够更精确的对图像进行多分类。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种图像分类方法、装置、设备及存储介质。

技术介绍

1、图像分类技术经历了多个阶段的发展，产生了不少与图像分类相关的技术，比如贝叶斯分类、决策树、神经网络、k-近邻算法和支持向量机(support vector machine,svm)等智能分类算法。由于支持向量机可以很好解决样本较少、维度较高和非线性等问题，在很多领域也得到了广泛应用，且在很多领域有较好的表现。但是从众多的研究中可以发现，支持向量机参数的设置对支持向量机的性能有较大的影响，也会影响对图像分类的准确性。

技术实现思路

1、本专利技术的主要目的在于提供一种图像分类方法、装置、设备及存储介质，旨在解决现有技术中基于支持向量机的图像分类方法分类精确度不高的技术问题。

2、为实现上述目的，本专利技术提供一种图像分类方法，所述方法包括以下步骤：

3、对获取到的待分类的原始图像进行预处理，获得处理后的图像；

4、对原始鲸鱼优化算法进行改进，获得改进后的鲸鱼优化算法；</p>

5、根据本文档来自技高网...

【技术保护点】

1.一种图像分类方法，其特征在于，所述图像分类方法包括：

2.如权利要求1所述的图像分类方法，其特征在于，所述对原始鲸鱼优化算法进行改进，获得改进后的鲸鱼优化算法，包括：

3.如权利要求1所述的图像分类方法，其特征在于，所述根据所述改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，获得改进后的分类模型，包括：

4.如权利要求3所述的图像分类方法，其特征在于，所述根据改进后的鲸鱼优化算法和有向无环图支持向量机确定最小适应度值和对应的最优鲸鱼个体位置，包括：

5.如权利要求1所述的图像分类方法，其特征在于，所述有向无环图支持向量机的SV...

【技术特征摘要】

1.一种图像分类方法，其特征在于，所述图像分类方法包括：

2.如权利要求1所述的图像分类方法，其特征在于，所述对原始鲸鱼优化算法进行改进，获得改进后的鲸鱼优化算法，包括：

3.如权利要求1所述的图像分类方法，其特征在于，所述根据所述改进后的鲸鱼优化算法对有向无环图支持向量机的参数进行优化，获得改进后的分类模型，包括：

4.如权利要求3所述的图像分类方法，其特征在于，所述根据改进后的鲸鱼优化算法和有向无环图支持向量机确定最小适应度值和对应的最优鲸鱼个体位置，包括：

5.如权利要求...

【专利技术属性】
技术研发人员：杨文卓，刘朔，李萌民，欧阳宇，张鹏，
申请(专利权)人：武汉轻工大学，
类型：发明
国别省市：