基于类别空间约束的弱监督卷积神经网络特征学习算法

来源：电子测量技术杂志2022年第5期北京时间：

作者：高博

单位：天津职业大学电子信息工程学院 天津 300410

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。

关键词：类别空间约束;弱监督;卷积神经网络;特征学习算法

基金资助：全国高等院校计算机基础教育研究会计算机基础教育教学研究项目(2019-AFCEC-073)资助