APK-CNN和Transformer增强的多域虚假新闻检测模型 被引量：3

1

作者 李金金 桑国明 张益嘉 《计算机应用》 CSCD 北大核心 2024年第9期2674-2682,共9页

为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm... 为解决社交媒体新闻中的领域转移、领域标签不完整问题,以及探索更高效的多域新闻文本特征提取和融合网络,提出一种基于APK-CNN(Adaptive Pooling Kernel Convolutional Neural Network)和Transformer增强的多域虚假新闻检测模型Transm3。首先,设计三通道网络对文本的语义、情感和风格信息进行特征提取和表示,并利用多粒度跨域交互器对这些特征进行视图组合;其次,通过优化的软共享内存网络和域适配器来完善新闻领域标签;再次,将Transformer与多粒度跨域交互器结合,使用更先进的融合网络动态加权聚合不同领域的交互特征;最后,将融合特征输入分类器中用于真/假新闻判别。实验结果表明,Transm3与M3FEND(Memory-guided Multi-view Multi-domain FakE News Detection)和EANN(Event Adversarial Neural Networks for multi-modal fake news detection)相比,综合F1值在中文数据集上分别提高了3.68%和6.46%,在英文数据集上分别提高了6.75%和11.93%,在各分领域上F1值也有明显的提高,充分验证了Transm3在多域虚假新闻检测工作上的有效性。 展开更多

关键词 虚假新闻检测 领域转移 软共享内存网络 TRANSFORMER APK-cnn

在线阅读 下载PDF 职称材料

基于CNN的高速铁路侵限异物特征快速提取算法 被引量：39

2

作者 王洋 余祖俊 +1 位作者 朱力强 郭保青 《仪器仪表学报》 EI CAS CSCD 北大核心 2017年第5期1267-1275,共9页

高速铁路异物侵限检测系统用来检测是否有异物侵入高速铁路安全限界。为增加系统的可靠性,提出了一种基于卷积神经网络(CNN)的特征快速提取算法。针对特征计算速度缓慢的问题,提出简化的全连接网络结构;针对准确率因简化网络结构而下降... 高速铁路异物侵限检测系统用来检测是否有异物侵入高速铁路安全限界。为增加系统的可靠性,提出了一种基于卷积神经网络(CNN)的特征快速提取算法。针对特征计算速度缓慢的问题,提出简化的全连接网络结构;针对准确率因简化网络结构而下降的问题,提出将卷积层的卷积核进行预先训练;最后为防止因全连接而导致的对称性特征提取,提出加入稀疏性参数的快速特征提取算法。改进后的卷积神经网络,在保证准确率的基础上加快了计算速度,同时满足了实时性和高准确率的要求。实验表明处理单幅图像的速度为0.15 s,准确率为99.5%。 展开更多

关键词 异物识别 卷积神经网络 预先训练卷积核 快速特征提取 稀疏编码

在线阅读 下载PDF 职称材料

基于多卷积核DPCNN的维吾尔语文本分类联合模型 被引量：8

3

作者 加米拉·吾守尔 吴迪 +3 位作者 王路路 古丽尼格尔·阿不都外力 买合木提·买买提 吐尔根·依布拉音 《中文信息学报》 CSCD 北大核心 2021年第7期63-71,共9页

由于维吾尔语形态丰富且资源匮乏,因此直接使用现有的深度学习模型并不能很好地完成文本分类任务。基于此,该文提出了MDPLC文本分类模型,即首先将预先训练的词向量和经Bi-LSTM处理得到的语义信息进行融合,进而得到全句语义依赖,然后通... 由于维吾尔语形态丰富且资源匮乏,因此直接使用现有的深度学习模型并不能很好地完成文本分类任务。基于此,该文提出了MDPLC文本分类模型,即首先将预先训练的词向量和经Bi-LSTM处理得到的语义信息进行融合,进而得到全句语义依赖,然后通过组合池化的CNN进一步加强局部语义学习,同时以双通道的方式使用多卷积核DPCNN捕获文本语义信息,最后融合两种模型提取到的信息完成文本分类任务。为验证该模型的有效性,该文分别采用中文、英文和维吾尔文短、长文本数据集进行实验,实验结果表明,该模型在多个分类任务中取得的性能都高于现有主流深度学习模型,验证了该模型在不同语种、语义表达稀疏和语义丰富各种情况下的鲁棒性。 展开更多

关键词 维吾尔语 文本分类 多卷积核DPcnn Bi-LSTM+cnn

在线阅读 下载PDF 职称材料

一种基于“中国视云”平台的CNN核函数可视化方法 被引量：1

4

作者 李成范 胡子荣 +2 位作者 刘岚 丁雪海 童维勤 《实验室研究与探索》 CAS 北大核心 2021年第5期57-61,共5页

以"中国视云"科研平台为依托,针对神经网络模型可视化展示,提出一种卷积神经网络(CNN)核函数可视化方法。该方法中,通过使用最大激活函数对神经网络核函数进行可视化计算并形成功能模块。实验结果表明:该方法能够清晰展示CNN... 以"中国视云"科研平台为依托,针对神经网络模型可视化展示,提出一种卷积神经网络(CNN)核函数可视化方法。该方法中,通过使用最大激活函数对神经网络核函数进行可视化计算并形成功能模块。实验结果表明:该方法能够清晰展示CNN核函数和资源占用变化,具有方便操作、泛用性高等特点。该方法可对CNN模型的解释和模型结构与参数改进提供参考和借鉴。 展开更多

关键词 中国视云 卷积神经网络 模块化 可视化 核函数

在线阅读 下载PDF 职称材料

混合深度CNN联合注意力的高光谱图像分类 被引量：9

5

作者 王燕 吕艳萍 《计算机科学与探索》 CSCD 北大核心 2023年第2期385-395,共11页

深度学习中的卷积神经网络(CNN)能充分利用计算机的计算能力,高效地提取遥感图像的特征,取得很好的成果,特别是在高光谱图像分类方面取得了很大的进展。为了在有限的高光谱样本上充分提取光谱和空间特征,提高高光谱图像分类的精度,提出... 深度学习中的卷积神经网络(CNN)能充分利用计算机的计算能力,高效地提取遥感图像的特征,取得很好的成果,特别是在高光谱图像分类方面取得了很大的进展。为了在有限的高光谱样本上充分提取光谱和空间特征,提高高光谱图像分类的精度,提出了混合深度卷积联合注意力(HDC-Attention)的模型。首先利用核主成分分析(KPCA)和小批量K均值(MBK-means)对高光谱图像进行组合降维,有效地消除数据冗余并保留主要信息量,使得降维后的数据具有最佳区分度。然后将降维后的数据输入HDC网络进行充分的光谱-空间特征提取。最后利用光谱-空间注意力,重新分配光谱-空间特征的权重,增强有用的空谱特征,抑制无用的特征。提出的模型在三个公开数据集上进行了多次实验,在有限的标记样本下,三个数据集的OA、AA、Kappa分类指标均超过99%。 展开更多

关键词 高光谱图像分类 核主成分分析(KPCA) 卷积神经网络(cnn) 光谱-空间注意力机制 深度学习

在线阅读 下载PDF 职称材料

基于多尺度卷积核CNN的脑电情绪识别 被引量：9

6

作者 戴紫玉 马玉良 +3 位作者 高云园 佘青山 孟明 张建海 《传感技术学报》 CAS CSCD 北大核心 2021年第4期496-503,共8页

针对传统的人工特征选取需要耗费大量时间和精力的问题,本文在传统卷积神经网络(convolutional neural networks,CNN)模型的基础上,提出了一种基于多尺度卷积核CNN的特征提取与分类方法,并在脑电情绪识别分类上进行了验证。本文首先进... 针对传统的人工特征选取需要耗费大量时间和精力的问题,本文在传统卷积神经网络(convolutional neural networks,CNN)模型的基础上,提出了一种基于多尺度卷积核CNN的特征提取与分类方法,并在脑电情绪识别分类上进行了验证。本文首先进行了通道选择方面的研究,其次使用多尺度卷积核CNN模型对提取了微分熵(differential entropy feature,DE)特征的脑电数据进行情绪三分类实验,相比于传统的CNN模型,多尺度卷积核CNN模型在卷积层中采用多个尺度的卷积核,同时从高维度与低维度对脑电信号进行二次特征提取。实验结果表明,预处理数据在33通道的情绪分类平均准确率为89.72%,几乎接近全通道的平均准确率;多尺度卷积核CNN在微分熵特征上的情绪三分类取得了98.19%的平均分类准确率,实验结果证明了该模型的有效性和鲁棒性。 展开更多

关键词 脑电信号(EEG) 情绪识别 多尺度卷积核卷积神经网络 微分熵(DE)

在线阅读 下载PDF 职称材料

基于PCA初始化卷积核的CNN手写数字识别算法 被引量：12

7

作者 马义超 赵运基 张新良 《计算机工程与应用》 CSCD 北大核心 2019年第13期134-139,共6页

针对卷积神经网络对手写数字识别训练在卷积核随机初始化情况下收敛速度慢和识别率低的问题,提出一种主成分分析(PCA)初始化卷积核的卷积神经网络(CNN)手写数字识别算法。算法首先选取训练样本集并将其送入CNN,在相应层对Feature Map进... 针对卷积神经网络对手写数字识别训练在卷积核随机初始化情况下收敛速度慢和识别率低的问题,提出一种主成分分析(PCA)初始化卷积核的卷积神经网络(CNN)手写数字识别算法。算法首先选取训练样本集并将其送入CNN,在相应层对Feature Map进行全覆盖取图像块处理,然后进行分层PCA学习,将学习到的特征向量做为对应卷积层的卷积核参数进行初始化,最后再用这些卷积核对原始图像进行卷积操作。实验结果表明,与随机初始化卷积核的CNN手写数字识别算法相比,改进的算法在应用MNIST数据库训练时不仅收敛,而且在产生相同均方误差的情况下迭代次数少,识别率高。 展开更多

关键词 主成分分析 卷积神经网络 卷积核 手写数字识别

在线阅读 下载PDF 职称材料

基于属性散射中心卷积核调制的SAR目标识别深层网络 被引量：3

8

作者 李毅 杜兰 +1 位作者 周可儿 杜宇昂 《雷达学报（中英文）》 EI CSCD 北大核心 2024年第2期443-456,共14页

卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对... 卷积神经网络(CNN)的特征提取能力与其参数量有关,一般来说,参数量越多,CNN的特征提取能力越强。但要学好这些参数需要大量的训练数据,而在实际应用中,可用于模型训练的合成孔径雷达(SAR)图像往往是有限的。减少CNN的参数量可以降低对训练样本的需求,但同时也会降低CNN的特征表达能力,影响其目标识别性能。针对此问题,该文提出一种基于属性散射中心(ASC)卷积核调制的SAR目标识别深层网络。由于SAR图像具有电磁散射特性,为了提取更符合SAR目标特性的散射结构和边缘特征,所提网络使用预先设定的具有不同指向和长度的ASC核对少量CNN卷积核进行调制以生成更多卷积核,从而在降低网络参数量的同时保证其特征提取能力。此外,该网络在浅层使用ASC调制卷积核来提取更符合SAR图像特性的散射结构和边缘特征,而在高层使用CNN卷积核来提取SAR图像的语义特征。由于同时使用ASC调制卷积核和CNN卷积核,该网络能够兼顾SAR目标的电磁散射特性和CNN的特征提取优势。使用实测SAR图像进行的实验证明了所提网络可以在降低对训练样本需求的同时保证优秀的SAR目标识别性能。 展开更多

关键词 合成孔径雷达(SAR) 目标识别 卷积神经网络(cnn) 属性散射中心(ASC) 卷积核调制

在线阅读 下载PDF 职称材料

基于电机电流数据的转台机械谐振检测方法 被引量：3

9

作者 冯睿哲 马雅琼 闫斌斌 《机电工程》 CAS 北大核心 2024年第8期1472-1479,共8页

转台作为航空航天领域关键测试设备,在测试试验时可能出现谐振,造成测试过程的中断及不必要损失。针对传统转台谐振检测方法存在的依赖工程经验、易受控制信号干扰以及准确性不足等问题,提出了一种基于电机电流数据的转台机械谐振检测... 转台作为航空航天领域关键测试设备,在测试试验时可能出现谐振,造成测试过程的中断及不必要损失。针对传统转台谐振检测方法存在的依赖工程经验、易受控制信号干扰以及准确性不足等问题,提出了一种基于电机电流数据的转台机械谐振检测方法。首先,对三轴立式转台运行数据进行了分析,研究了转台运行数据的幅频特性,选用了受控制信号干扰小,且谐振特征更显著的电机电流信号作为检测对象;然后,构建了一个基于卷积神经网络(CNN)的转台谐振检测方法,设计了CNN结构与参数,进行了网络训练和学习;最终,利用不同工作模式下的转台运行数据,进行了谐振检测试验,并将检测试验结果与采用其他方法所得的结果进行了对比。研究结果表明:在转台谐振检测中,采用该方法所获得的准确率达到了99.988%,优于采用其他对比方法获得的准确率,证明该方法适用于转台的机械谐振检测。 展开更多

关键词 机械振动 振动测试 三轴立式转台运行数据 电机电流 卷积神经网络 卷积核频域特征

在线阅读 下载PDF 职称材料

基于面部行为分析的驾驶员疲劳检测方法 被引量：34

10

作者 耿磊 袁菲 +3 位作者 肖志涛 张芳 吴骏 李月龙 《计算机工程》 CAS CSCD 北大核心 2018年第1期274-279,共6页

眼睛和嘴部状态检测是疲劳检测方法的重要步骤,但眼镜遮挡及光照变化使得眼睛状态识别效果不佳。为此,提出一种新的驾驶员疲劳检测方法。使用红外采集设备对驾驶员面部图像进行采集,通过结合AdaBoost与核相关滤波器算法进行人脸检测及... 眼睛和嘴部状态检测是疲劳检测方法的重要步骤,但眼镜遮挡及光照变化使得眼睛状态识别效果不佳。为此,提出一种新的驾驶员疲劳检测方法。使用红外采集设备对驾驶员面部图像进行采集,通过结合AdaBoost与核相关滤波器算法进行人脸检测及跟踪。采用级联回归方法定位特征点,提取眼睛和嘴部区域。运用卷积神经网络进行眼睛和嘴部状态识别,在此基础上计算多个疲劳参数进行疲劳检测。实验结果表明,该方法在多种情况下均能准确地检测眼睛和嘴部状态,可有效地进行疲劳检测。 展开更多

关键词 疲劳检测 人脸检测 特征点检测 状态识别 核相关滤波器 卷积神经网络

在线阅读 下载PDF 职称材料

双通道卷积神经网络在文本情感分析中的应用 被引量：16

11

作者 李平 戴月明 吴定会 《计算机应用》 CSCD 北大核心 2018年第6期1542-1546,共5页

针对单通道卷积神经网络(CNN)视角单一、不能充分学习到文本的特征信息的问题,提出双通道CNN(DCCNN)算法。首先,采用Word2Vec训练词向量,利用词向量获得句子的语义信息;其次,采用两个不同的通道进行卷积运算,一个通道为字向量,另一个通... 针对单通道卷积神经网络(CNN)视角单一、不能充分学习到文本的特征信息的问题,提出双通道CNN(DCCNN)算法。首先,采用Word2Vec训练词向量,利用词向量获得句子的语义信息;其次,采用两个不同的通道进行卷积运算,一个通道为字向量,另一个通道为词向量,利用细粒度的字向量辅助词向量捕捉深层次的语义信息;最后,通过不同尺寸的卷积核,发现句子内部更高层次抽象的特征。实验结果表明,所提DCCNN算法能够准确识别文本情感极性,其正确率和F1值均达到95%以上,相比逻辑回归算法、支持向量机(SVM)算法以及CNN算法等都有显著提升。 展开更多

关键词 卷积神经网络 文本情感分析 词向量 字向量 卷积核

在线阅读 下载PDF 职称材料

基于多尺度核特征卷积神经网络的实时人脸表情识别 被引量：20

12

作者 李旻择 李小霞 +1 位作者 王学渊 孙维 《计算机应用》 CSCD 北大核心 2019年第9期2568-2574,共7页

针对人脸表情识别的泛化能力不足、稳定性差以及速度慢难以满足实时性要求的问题,提出了一种基于多尺度核特征卷积神经网络的实时人脸表情识别方法。首先,提出改进的MobileNet结合单发多盒检测器(MSSD)轻量化人脸检测网络,并利用核相关... 针对人脸表情识别的泛化能力不足、稳定性差以及速度慢难以满足实时性要求的问题,提出了一种基于多尺度核特征卷积神经网络的实时人脸表情识别方法。首先,提出改进的MobileNet结合单发多盒检测器(MSSD)轻量化人脸检测网络,并利用核相关滤波(KCF)模型对检测到的人脸坐标信息进行跟踪来提高检测速度和稳定性;然后,使用三种不同尺度卷积核的线性瓶颈层构成三条支路,用通道合并的特征融合方式形成多尺度核卷积单元,利用其多样性特征来提高表情识别的精度;最后,为了提升模型泛化能力和防止过拟合,采用不同的线性变换方式进行数据增强来扩充数据集,并将FER-2013人脸表情数据集上训练得到的模型迁移到小样本CK+数据集上进行再训练。实验结果表明,所提方法在FER-2013数据集上的识别率达到73.0%,较Kaggle表情识别挑战赛冠军提高了1.8%,在CK+数据集上的识别率高达99.5%。对于640×480的视频,人脸检测速度达到每秒158帧,是主流人脸检测网络多任务级联卷积神经网络(MTCNN)的6.3倍,同时人脸检测和表情识别整体速度达到每秒78帧。因此所提方法能够实现快速精确的人脸表情识别。 展开更多

关键词 人脸表情识别 卷积神经网络 人脸检测 核相关滤波 迁移学习

在线阅读 下载PDF 职称材料

基于多核学习特征融合的语音情感识别方法 被引量：17

13

作者 王忠民 刘戈 宋辉 《计算机工程》 CAS CSCD 北大核心 2019年第8期248-254,共7页

在语音情感识别中提取梅尔频率倒谱系数(MFCC)会丢失谱特征信息,导致情感识别准确率较低。为此,提出一种结合MFCC和语谱图特征的语音情感识别方法。从音频信号中提取MFCC特征,将信号转换为语谱图,利用卷积神经网络提取图像特征。在此基... 在语音情感识别中提取梅尔频率倒谱系数(MFCC)会丢失谱特征信息,导致情感识别准确率较低。为此,提出一种结合MFCC和语谱图特征的语音情感识别方法。从音频信号中提取MFCC特征,将信号转换为语谱图,利用卷积神经网络提取图像特征。在此基础上,使用多核学习算法融合音频特征,并将生成的核函数应用于支持向量机进行情感分类。在2种语音情感数据集上的实验结果表明,与单一特征的分类器相比,该方法的语音情感识别准确率高达96 %。 展开更多

关键词 语音情感识别 多核学习 卷积神经网络 梅尔频率倒谱系数 语谱图

在线阅读 下载PDF 职称材料

无人驾驶深度学习模型组合剪枝算法 被引量：4

14

作者 赵丽君 周永军 +3 位作者 汤小红 蒋淑霞 董寅宾 廖慕钦 《传感器与微系统》 CSCD 北大核心 2021年第3期127-129,共3页

首先对网络模型进行正则化,提高网络泛化能力及模型稀疏度;接着采用组合剪枝算法,先对卷积层卷积核进行删减,再对全连接层权重进行删减。剪枝过程分多次进行,每次剪枝后通过再训练以恢复模型分类识别性能。实验结果表明:提出的组合剪枝... 首先对网络模型进行正则化,提高网络泛化能力及模型稀疏度;接着采用组合剪枝算法,先对卷积层卷积核进行删减,再对全连接层权重进行删减。剪枝过程分多次进行,每次剪枝后通过再训练以恢复模型分类识别性能。实验结果表明:提出的组合剪枝算法能够在保证VGG—16网络对车辆数据集分类识别率保持在92.84%的情况下,对网络模型压缩了79%,加速3.38倍。 展开更多

关键词 无人驾驶 卷积神经网络 权重剪枝 卷积核剪枝 组合剪枝

在线阅读 下载PDF 职称材料

三通道拟合的改进卷积神经网络林火识别算法 被引量：5

15

作者 张海波 赵运基 张新良 《传感器与微系统》 CSCD 2020年第11期134-136,140,共4页

针对森林火灾背景复杂,图像拟合方式欠佳,使特征描述不充分而导致卷积神经网络(CNN)识别率低,卷积核随机初始化导致迭代次数增多等问题,提出了一种三通道拟合的改进卷积神经网络林火识别算法。通过调整三原色(RGB)三通道比例拟合样本图... 针对森林火灾背景复杂,图像拟合方式欠佳,使特征描述不充分而导致卷积神经网络(CNN)识别率低,卷积核随机初始化导致迭代次数增多等问题,提出了一种三通道拟合的改进卷积神经网络林火识别算法。通过调整三原色(RGB)三通道比例拟合样本图像,寻求火焰和背景对比度最大的优化参数组合,以解决识别率降低的问题;同时采用主成分分析(PCA)算法初始化卷积核来改进模型,提高迭代速率。实验结果表明:所提算法能有效地提高识别率,加快迭代速度,识别率达98. 5%。 展开更多

关键词 森林火灾识别 参数拟合 卷积神经网络 主成分分析 卷积核

在线阅读 下载PDF 职称材料

基于注意力的卷积神经网络金融时序数据预测 被引量：4

16

作者 孙启森 张建新 +2 位作者 程海阳 张强 魏小鹏 《计算机应用》 CSCD 北大核心 2022年第S02期290-295,共6页

针对现有金融时序数据预测方法在构造金融特征图像的过程中因忽视市场环境变化导致的数据密度分布差异问题,提出一种基于滑动窗口标准化的金融数据预处理方法。所提方法将滑动窗口截取的数据使用独立的标准化转换为金融特征图像,使得依... 针对现有金融时序数据预测方法在构造金融特征图像的过程中因忽视市场环境变化导致的数据密度分布差异问题,提出一种基于滑动窗口标准化的金融数据预处理方法。所提方法将滑动窗口截取的数据使用独立的标准化转换为金融特征图像,使得依赖价格特征进行训练的卷积神经网络(CNN)模型能够学习到正确的映射关系;同时,针对金融特征图像的特征表达问题,为更好地捕捉其动态变化特征,将注意力机制引入CNN中,进而构建出一种注意力CNN金融时序数据预测模型。对标普500指数未来1天涨跌进行预测的准确率和F1分数分别为61%和0.7397,模拟交易实验投资回报率为23.04%,优于买入并持有策略。此外,消融实验结果也证明了预处理方法、注意力模块引入的有效性。 展开更多

关键词 卷积神经网络 核密度估计 注意力机制 时间序列 股票指数预测

在线阅读 下载PDF 职称材料

卷积神经网络层级分解研究 被引量：6

17

作者 柯岩 林小竹 +1 位作者 廖蕊 魏战红 《计算机工程》 CAS CSCD 北大核心 2019年第11期191-197,共7页

随着深度学习的不断发展,卷积神经网络(CNN)在目标检测与图像分类中受到研究者的广泛关注。CNN从LeNet-5网络发展到深度残差网络,其层数不断增加。基于神经网络中"深度"的含义,在确保感受野相同的前提下,给定标准的输入图片... 随着深度学习的不断发展,卷积神经网络(CNN)在目标检测与图像分类中受到研究者的广泛关注。CNN从LeNet-5网络发展到深度残差网络,其层数不断增加。基于神经网络中"深度"的含义,在确保感受野相同的前提下,给定标准的输入图片和输出特征图,对不同层数的卷积神经网络进行训练,并将训练结果与标准输出图进行对比。在此基础上,对标准的3×3卷积核进行分解,构建由2×2大小卷积核组成的CNN。根据目标特征是否具有中心对称的性质,提出多层卷积网络初始权值的选取规则。 展开更多

关键词 卷积神经网络 卷积核 感受野 网络深度 中心极限定理

在线阅读 下载PDF 职称材料

基于改进卷积神经网络与支持向量机结合的面部表情识别算法 被引量：17

18

作者 乔桂芳 侯守明 刘彦彦 《计算机应用》 CSCD 北大核心 2022年第4期1253-1259,共7页

针对当前卷积神经网络(CNN)利用端层特征进行面部表情识别存在模型结构繁琐、训练参数过多、识别不够理想的问题,提出一种基于改进CNN与支持向量机(SVM)相结合的优化算法。首先,利用连续卷积的思想设计网络模型,以获取更多非线性激活;然... 针对当前卷积神经网络(CNN)利用端层特征进行面部表情识别存在模型结构繁琐、训练参数过多、识别不够理想的问题,提出一种基于改进CNN与支持向量机(SVM)相结合的优化算法。首先,利用连续卷积的思想设计网络模型,以获取更多非线性激活;然后,采用自适应全局平均池化(GAP)层取代传统CNN中的全连接层,以减少网络参数量;最后,用SVM分类器代替传统Softmax函数实现表情识别,以提高模型泛化能力。实验结果表明,所提算法在Fer2013和CK+数据集上分别取得了73.4%和98.06%的识别准确率,与传统LeNet-5算法相比,在Fer2013数据集上提升了2.2个百分点,且该网络模型结构简单、参数量较少,具有良好的鲁棒性。 展开更多

关键词 卷积神经网络 小尺寸卷积核 表情识别 全局平均池化 非线性支持向量机

在线阅读 下载PDF 职称材料

基于3D卷积神经网络的动态手势识别模型 被引量：8

19

作者 徐访 黄俊 陈权 《计算机工程》 CAS CSCD 北大核心 2021年第11期283-291,共9页

在不带有标志帧的手势视频上进行动态手势识别,容易导致识别准确率下降。提出一种具有分级网络结构的动态手势识别模型。以手势检测模型为第1级网络,手势分类模型为第2级网络,分步完成识别任务。同时,将三维卷积核拆分为时间域和空间域... 在不带有标志帧的手势视频上进行动态手势识别,容易导致识别准确率下降。提出一种具有分级网络结构的动态手势识别模型。以手势检测模型为第1级网络,手势分类模型为第2级网络,分步完成识别任务。同时,将三维卷积核拆分为时间域和空间域卷积分阶段完成任务,解决三维卷积神经网络中因参数过多造成模型训练或运行时间过长的问题。实验结果表明,在保证实时性的前提下,该模型在EgoGesture数据集上的识别准确率高达93.35%,优于C3D、ResNeXt101、MTUT等模型。 展开更多

关键词 动态手势识别 分级结构 卷积核拆分 3D卷积神经网络 手势检测器

在线阅读 下载PDF 职称材料

气体传感器阵列混合气体检测算法研究 被引量：27

20

作者 谭光韬 张文文 王磊 《电子测量与仪器学报》 CSCD 北大核心 2020年第7期95-102,共8页

针对传统模式识别算法对混合气体定性和定量检测准确率较低的问题,提出了一种基于机器学习的新型混合气体定性识别和浓度定量检测算法。算法首先构造传感器阵列数据特征图,然后利用卷积神经网络(CNN)提取特征,根据特征提取后的特征图,... 针对传统模式识别算法对混合气体定性和定量检测准确率较低的问题,提出了一种基于机器学习的新型混合气体定性识别和浓度定量检测算法。算法首先构造传感器阵列数据特征图,然后利用卷积神经网络(CNN)提取特征,根据特征提取后的特征图,使用不同分支网络对不同气体进行定性识别,得到气体种类和相应气体所处浓度区间;根据前面的气体识别结果,使用核主成分分析(KPCA)与梯度提升树(GBDT)对混合气体的组成成分进行定量估计;最后采用加州大学机器学习数据库的动态混合气体气体传感器阵列数据集进行对比验证。实验结果表明,算法在乙烯和甲烷定性识别中准确率达到了98.7%,定量检测平均相对误差小于4.1%。通过与传统模式识别算法对比,所提出的基于机器学习的混合气体检测算法具有更高的精度和泛化能力。 展开更多

关键词 传感器阵列 卷积神经网络 核主成分分析 梯度提升树

在线阅读 下载PDF 职称材料