基于多分类器协同学习的卷积神经网络训练算法

• 作者: 张恩阳 赵勇 陈文
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 机器学习 卷积神经网络 协同训练 图像识别 多分类器
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 223-226,237
• 页数: 5页
• 分类号: TP301
• 字数: 4245字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.9.044

摘要

卷积神经网络(CNN)是一类重要的深度神经网络,然而其训练过程需要大量的已标记样本,从而限制了其实际应用.针对这一问题,分析了CNN分类器的协同学习过程,给出了基于迭代进化的分类器协同训练算法CAMC.该算法结合了CNN和多分类器协同训练的优势,首先采用不同的卷积核提取出多种样本特征以产生不同的CNN分类器;然后利用少量的已标记样本和大量的未标记样本对多个分类器进行协同训练,以持续提高分类性能.在人脸表情标准数据集上的实验结果表明,相对于传统的表情特征识别法LBP和Gabor,CAMC能够在分类过程中利用未标记样本持续实现性能提升,从而具有更高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈文	四川大学计算机学院	36	116	6.0	8.0
2	张恩阳	长虹技术中心基础技术研究所	2	7	2.0	2.0
3	赵勇	长虹技术中心基础技术研究所	2	7	2.0	2.0