典型文献
基于集成学习的有害垃圾自动识别方法研究
文献摘要：
深度学习是机器学习提供自动识别图像的工具,广泛应用于自动识别垃圾图像.受限于数据集,现有的垃圾分类研究中都是平等对待所有垃圾类别,没有考虑有害垃圾误分类的危害.本文首先基于网络爬虫和人工拍摄的方式构建了包含有害垃圾的垃圾图像数据集(DTrash),并基于保守的集成学习策略,提出了基于集成学习的有害垃圾自动识别方法.集成学习方法在DTrash上的漏判误差、误判误差和总体误差分别为0％,11.63％和4.57％.
文献关键词：
有害垃圾;深度神经网络;垃圾分类;深度学习;集成策略
中图分类号：
作者姓名：
孟德尧;吴荣海;杨邓奇
作者机构：
大理大学数学与计算机学院,大理 671003;大理大学工程实训中心,大理 671003
文献出处：
引用格式：
[1]孟德尧;吴荣海;杨邓奇-.基于集成学习的有害垃圾自动识别方法研究)[J].现代计算机,2022(16):38-42
A类：
DTrash
B类：
有害垃圾,自动识别方法,识别图,受限于,垃圾分类,分类研究,平等对待,垃圾类别,误分类,网络爬虫,图像数据集,学习策略,集成学习方法,漏判,误判,深度神经网络,集成策略
AB值：
0.300157
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。
