典型文献
改进Stacking集成学习的指纹识别算法
文献摘要：
针对传统卷积神经网络对多传感器指纹识别泛化能力降低、准确率不高的问题,提出改进的Stacking集成学习算法.首先将AlexNet进行改进,在AlexNet中引入深度可分离卷积减少参数量,加快训练速度;引入空间金字塔池化,提升网络获取全局信息的能力;引入批归一化,加快网络收敛速度,同时提升网络在测试集上的准确率;使用全局平均池化替代全连接层,防止过拟合.然后将DenseNet和改进的AlexNet 2种卷积神经网络作为Stacking的基学习器对指纹进行分类,获得预测结果.最后对相同基学习器训练得到的各个模型,根据预测精度对各预测结果赋权,得到的预测结果再由元分类器分类.改进的Stacking算法在多传感器指纹数据库上进行实验,最终识别准确率达98.43％,相对AlexNet提升了20.05％,相对DenseNet提升了4.25％.
文献关键词：
指纹识别;密集连接卷积网络(DenseNet);AlexNet;Stacking集成学习;卷积神经网络
中图分类号：
作者姓名：
苏赋;罗海波
作者机构：
西南石油大学电气信息学院,四川成都 610500
文献出处：
引用格式：
[1]苏赋;罗海波-.改进Stacking集成学习的指纹识别算法)[J].计算机工程与科学,2022(12):2153-2161
A类：
B类：
Stacking,指纹识别,识别算法,多传感器,泛化能力,集成学习算法,AlexNet,深度可分离卷积,参数量,训练速度,空间金字塔池化,全局信息,批归一化,网络收敛速度,测试集,全局平均池化,全连接层,过拟合,DenseNet,基学习器,练得,据预测,分类器,指纹数据库,识别准确率,密集连接卷积网络
AB值：
0.31221
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。
