典型文献
基于半监督方法的周界入侵监测算法研究
文献摘要：
在基于深度学习的漏缆周界入侵监测算法领域,为了提高不同位置的分类精度,通常需要大量的标签数据进行监督训练.但实际应用中,人工采集标注数据的成本过于高昂.为了解决小样本情况下周界入侵系统不同位置分类精度过小的问题,本文提出了一种基于生成对抗网络(GAN)的改进半监督方法,该模型用深度卷积生成对抗网络(DCGAN)替换半监督中的普通生成器模型,使用最小二乘法计算损失,并且使用SMOTE方法对带标签样本进行数据增强处理,结合虚拟对抗共同训练分类器模型,提升了网络的表征提取功能和模型稳定性.实验结果表明,本文模型在不同数量标签样本下都获得了更好的分类精度,在标签样本数量较小的情况下,依旧有着良好的分类精度,一定程度上解决了周界入侵系统对大量标签数据的依赖性.
文献关键词：
半监督;生成对抗网络;数据增强;入侵定位
中图分类号：
作者姓名：
张锋;刘太君;吴绍精;叶焱;许高明;谢晋雄
作者机构：
宁波大学信息科学与工程学院 宁波 315211;深圳市检验检疫科学研究院 深圳 518010
文献出处：
引用格式：
[1]张锋;刘太君;吴绍精;叶焱;许高明;谢晋雄-.基于半监督方法的周界入侵监测算法研究)[J].数据通信,2022(04):19-23
A类：
入侵定位
B类：
半监督,监督方法,周界入侵,监测算法,算法研究,漏缆,不同位置,分类精度,标签数据,高昂,小样本,下周,深度卷积生成对抗网络,DCGAN,生成器,最小二乘法计算,SMOTE,数据增强,分类器,表征提取,模型稳定性,样本数量,旧有
AB值：
0.279256
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。
