基于余弦相似度的边界样本选择方法

• 作者: 惠康华 李春利 柳振东
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 模式识别 边界数据 图像识别 样本选择
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 图像处理
• 页码范围: 66-70
• 页数: 5页
• 分类号: TP301.6
• 字数: 4977字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2017.08.014

摘要

卷积神经网络模型的训练通常需要大量的训练样本,导致训练时间过长.针对这一问题,本文提出一种基于余弦相似度的边界样本选择方法,选取边界样本构造训练集.通过该方法分别对MNIST,CIFAR10,SVHN数据集进行样本选择,利用卷积神经网络分类器进行实验研究.实验结果表明:该方法能够保留训练集中的典型样本,剔除冗余样本,从而减少训练样本的数量,缩短网络训练时间,提高网络学习效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李春利	中国民航大学计算机科学与技术学院	15	85	5.0	8.0
2	惠康华	中国民航大学计算机科学与技术学院	15	59	4.0	7.0
3	柳振东	中国民航大学计算机科学与技术学院	3	7	2.0	2.0