典型文献
基于层次语义多项式DS融合的铁路扣件状态分布学习
文献摘要：
针对扣件状态检测算法适应性弱、误检率高的问题,通过平滑样本标签缓解卷积神经网络训练的过拟合问题,提出基于层次语义多项式DS融合的扣件状态分布学习.首先,以弱监督方式将图像子块卷积特征描述为高斯混合模型,通过高斯混合模型计算样本语义多项式(semantic multinomial,SMN);然后,为提高SMN对扣件样本的描述能力,对来自不同层次特征的SMN进行DS融合,获得样本状态分布,分布反映了不同标签的描述程度,实现了对单一标签的平滑.实验结果表明,将单一标签替换为状态分布进行网络训练,缩小了训练精度和验证精度的差距,误检率为1.9％,漏检率为2.3％,误检率相比于传统单标签网络降低了54％.所提算法能够缓解过拟合现象,提高网络泛化性能,实现鲁棒性的扣件状态检测.
文献关键词：
铁路扣件;状态检测;卷积神经网络;标签分布学习;语义多项式
中图分类号：
作者姓名：
黄翰鹏;罗建桥;李柏林
作者机构：
西南交通大学机械工程学院,成都 610031
文献出处：
引用格式：
[1]黄翰鹏;罗建桥;李柏林-.基于层次语义多项式DS融合的铁路扣件状态分布学习)[J].铁道标准设计,2022(07):48-52
A类：
语义多项式,标签分布学习
B类：
DS,铁路扣件,对扣,状态检测,检测算法,误检率,过平滑,样本标签,解卷积,神经网络训练,过拟合,弱监督,监督方式,卷积特征,特征描述,高斯混合模型,semantic,multinomial,SMN,不同层次,层次特征,漏检率,单标签,标签网络,泛化性能
AB值：
0.303083
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
