混合深度学习模型C-RF及其在手写数字识别中的应用

• 作者: 丁世飞 侯艳路 孙统风
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 卷积神经网络 随机森林 手写数字识别
• 年，卷（期）: 2018,（2）
• 页码范围: 343-350
• 页数: 8页
• 分类号: TP391.4
• 字数: 3826字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2018.02.017

摘要

卷积神经网络(Convolutional neural network,CNN)是一种常见的深度学习模型,受人类视觉认知机制启发而来,能够从原始图像得到有效的特征表达.CNN模型在图像识别领域不断取得突破,但是在训练过程中需要花费大量时间.随机森林(Random forest,RF)在分类和回归上具有很高的精度,训练速度快并且不容易出现过拟合的问题,现有的基于RF的分类器都依赖手工选取的特征.针对以上问题,本文提出了基于CNN的C-RF模型,把CNN提取到的特征输入RF中进行分类.由于随机权值网络同样可以得到有效的结果,所以不用梯度算法调整网络参数,以免消耗大量时间.最后在MNIST数据集和Rotated MNIST数据集上进行了实验,结果表明C-RF模型的分类精度比RF有了较大的提高,同时泛化能力也有所提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁世飞	中国矿业大学计算机科学与技术学院	83	2735	17.0	52.0
2	孙统风	中国矿业大学计算机科学与技术学院	17	152	6.0	12.0
3	侯艳路	中国矿业大学计算机科学与技术学院	1	2	1.0	1.0