典型文献
基于类别空间约束的弱监督卷积神经网络特征学习算法
文献摘要：
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.
文献关键词：
类别空间约束;弱监督;卷积神经网络;特征学习算法
中图分类号：
作者姓名：
高博
作者机构：
天津职业大学电子信息工程学院 天津300410
文献出处：
引用格式：
[1]高博-.基于类别空间约束的弱监督卷积神经网络特征学习算法)[J].电子测量技术,2022(05):94-99
A类：
类别空间约束,弱监督卷积神经网络
B类：
网络特征,特征学习算法,主要缺陷,弱监督算法,弱监督学习,训练样本,较理想,误分类,标记样本,特征空间,空间聚类,模型训练,ms
AB值：
0.138236
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。
