-
题名基于类别空间约束的弱监督卷积神经网络特征学习算法
被引量：1
- 1
-
-
作者
高博
-
机构
天津职业大学电子信息工程学院
-
出处
《电子测量技术》
北大核心
2022年第5期94-99,共6页
-
基金
全国高等院校计算机基础教育研究会计算机基础教育教学研究项目(2019-AFCEC-073)资助。
-
文摘
传统卷积神经网络虽然具有较好的应用准确度,但是其的主要缺陷是效率低,为解决这一问题,弱监督算法被提出,现有的弱监督学习算法标记训练样本较少,效率较理想,但是仍然存在误分类率较高等不足。为了同时满足高效率和高精度的要求,本研究结合了弱监督算法和卷积神经网络,提出一种基于类别空间约束的弱监督卷积神经网络特征学习算法。首先,建立弱监督卷积神经网络特征学习算法的网络模型;其次,通过对空间加以约束,使标记样本和未标记样本建立一定的联系,从而实现特征空间聚类;最后,利用模型训练样本数据,实现基于类别空间约束的弱监督卷积神经网络特征学习算法的设计。实验结果表明,所提方法误分类率达到5%,分类耗时不超过0.4 ms,能够更好地开展特征学习。
-
关键词
类别空间约束
弱监督
卷积神经网络
特征学习算法
-
Keywords
class space constraint
weak supervision
convolution neural network
feature learning algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
