利用自适应假近邻方法优化卷积神经网络的图像目标分类算法

来源：计算机应用研究杂志2019年第10期北京时间：

作者：黄珍,李志浩,苑毅,阮文惠,

单位：1.兰州文理学院a.数字媒体学院;b.传媒工程学院,兰州730000；2.兰州大学信息科学与工程学院,兰州730000；

摘要：为了能够在处理不同的数据类型或任务时得到良好的结果，设计了基于自适应假近邻方法的卷积神经网络（CNN）架构。将中心矩的思想应用在CNN的池化操作中，利用稀疏滤波算法实现训练过程的无监督化，并设置CNN算法的卷积掩模（卷积核）的大小和每层卷积单位（CNN神经元）的数量；此外，该架构还利用自适应假近邻方法实现了简化建模和预测等任务。实验结果证实，提出的改进CNN架构的复杂度较低，它可以更快地接受训练并且不易产生过度拟合。

关键词：卷积神经网络,假近邻,目标分类,矩池化,稀疏滤波,

基金资助：甘肃省自然科学基金资助项目(17JR5RA007)；甘肃省教育厅资助项目(2016A-104)；兰州文理学院种子基金(自然)资助项目(17XJZZ005)；国家自然科学基金资助项目(61403329)；；