结合迁移学习模型的卷积神经网络算法研究

摘要：

针对传统的卷积神经网络算法在训练集与测试集分布不同时分类精度较低且标注成本较高的问题,提出结合迁移学习模型的卷积神经网络算法.使用主成分分析算法对源域数据进行无监督降维,同时结合自编码机算法对目标数据集降维,使源域和目标数据集在低维度下具有相似的特征分布;根据卷积神经网络特征提取的特点,利用JS散度来判别卷积池层能否迁移,并使用初始化的隐藏层补全trCNN模型;使用少量带标注的目标数据集进行训练,完成分类模型的构建.设计实验验证分类模型能够在使用少量标注数据情况下准确地完成分类工作.

关键词：主成分分析、自编码机、卷积神经网络、迁移学习

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：吉林省科技发展计划技术攻关项目;吉林省教育厅"十三五"科学技术项目

在线出版日期：2020-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：43-48