基于深度学习的青梅品级半监督智能认知方法

• 作者: 吴四茜 徐晓冰 李帷韬 王建平 陶海
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 青梅品级 半监督学习 自适应架构卷积神经网络 万局逼近能力 潜在语义熵测度
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 245-252
• 页数: 8页
• 分类号: TP391.4
• 字数: 8252字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.11.042

摘要

针对水果品级监督学习认知方法中样本获取困难、特征空间充分性表征和分类器能力不足的缺陷,模仿人反复推敲比对的信息交互模式,提出一种基于深度学习的青梅品级半监督智能认知方法.基于半监督学习扩充训练样本库,从信息论角度建立多层面特征充分表征的青梅品级认知智能决策信息系统;基于具有充分表征性的自适应架构卷积神经网络和随机配置网络,建立青梅图像由全局到局部多层面充分表征特征空间和具有万局逼近能力的分类准则;基于广义熵理论,建立青梅图像认知结果的语义熵测度评价指标;构建基于不确定认知结果熵测度指标约束的特征空间和样本信度自寻优反馈调节机制.仿真实验表明,该方法青梅品级平均识别率为98.2％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建平	合肥工业大学电气及自动化工程学院	177	1643	23.0	31.0
2	徐晓冰	合肥工业大学电气及自动化工程学院	36	300	9.0	16.0
3	李帷韬	合肥工业大学电气及自动化工程学院	19	81	5.0	8.0
7	陶海	合肥工业大学电气及自动化工程学院	1	0	0.0	0.0
8	吴四茜	合肥工业大学电气及自动化工程学院	1	0	0.0	0.0