检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 边缘智能背景下的手写数字识别

王建仁, 马鑫, 段刚龙, 薛宏全

计算机应用 2019, 39 (12): 3548-3555. DOI: 10.11772/j.issn.1001-9081.2019050869

摘要（487）

PDF （1271KB）（293）

随着边缘智能的快速发展，现有手写数字识别卷积网络模型的发展已越来越不适应边缘部署、算力下降的要求，且存在小样本泛化能力较差和网络训练成本较高等问题。借鉴卷积神经网络（CNN）经典结构、Leaky_ReLU算法、dropout算法和遗传算法及自适应和混合池化思想构建了基于LeNet-DL改进网络的手写数字识别模型，分别在大样本数据集MNIST和小样本真实数据集REAL上与LeNet、LeNet+sigmoid、AlexNet等算法进行对比实验。改进网络的大样本识别精度可达99.34%，性能提升约0.83%；小样本识别精度可达78.89%，性能提升约8.34%。实验结果表明，LeNet-DL网络相较于传统CNN在大样本和小样本数据集上的训练成本更低、性能更优且模型泛化能力更强。

参考文献 | 相关文章 | 多维度评价

Select

2. 自适应学习的多特征元素协同表示分类算法

王建仁魏龙段刚龙黄梯云

计算机应用 2014, 34 (4): 1094-1098. DOI: 10.11772/j.issn.1001-9081.2014.04.1094

摘要（470）

PDF （952KB）（359）

针对基于传统的稀疏表示分类算法的单特征鉴别性较弱这一不足,提出一种基于自适应学习的多特征元素协同表示分类算法SLMCE_CRC。该算法结合多特征子字典的思想,对样本提出特征元素的双重分解,并分别从特征和元素角度分别进行相应的协同表示,自适应地学习出各个特征的稀疏权重和元素的残差权重,并进行线性加权,从而实现目标的分类。实验结果表明,使用该方法能显著提高识别率,尤其对含有较多特征细节的图像数据,具有一定的实用价值。

参考文献 | 相关文章 | 多维度评价