利用自适应假近邻方法优化卷积神经网络的图像目标分类算法

作     者：黄珍 李志浩 苑毅 阮文惠 Huang Zhen;Li Zhihao;Yuan Yi;Ruan Wenhui

作者机构：兰州文理学院数字媒体学院兰州730000 兰州文理学院传媒工程学院兰州730000 兰州大学信息科学与工程学院兰州730000 

基　　金：甘肃省自然科学基金资助项目(17JR5RA007) 甘肃省教育厅资助项目(2016A-104) 兰州文理学院种子基金(自然)资助项目(17XJZZ005) 国家自然科学基金资助项目(61403329) 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2019年第36卷第10期

页      码：3137-3141页

摘      要：为了能够在处理不同的数据类型或任务时得到良好的结果,设计了基于自适应假近邻方法的卷积神经网络(CNN)架构。将中心矩的思想应用在CNN的池化操作中,利用稀疏滤波算法实现训练过程的无监督化,并设置CNN算法的卷积掩模(卷积核)的大小和每层卷积单位(CNN神经元)的数量;此外,该架构还利用自适应假近邻方法实现了简化建模和预测等任务。实验结果证实,提出的改进CNN架构的复杂度较低,它可以更快地接受训练并且不易产生过度拟合。

主 题 词：卷积神经网络 假近邻 目标分类 矩池化 稀疏滤波 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.19734/j.issn.1001-3695.2018.05.0339

馆 藏 号：203782650...