基于改进最小分类误差准则算法的深度学习研究——以台风卫星云图为例

• 作者: 侯倩 卢奇 邹国良 郑宗生
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 卷积神经网络 交叉熵 最小分类误差准则 台风等级
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3160-3163
• 页数: 4页
• 分类号: TP305
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.04.0335

摘要

针对传统基于最小分类误差准则(MCE)建立的目标函数存在样本错分类时网络出现的梯度反向问题,引入最小分类误差准则,定义带修正项的FMCE目标函数.以较高精度的交叉熵作为基函数,将FMCE作为修正函数,提出改进交叉熵目标函数CE-FMCE,使得网络在反向传播过程中提升标签类输出的概率.CE-FMCE不仅克服了传统MCE目标函数的梯度反向问题,还弥补了交叉熵函数对非标签集梯度不作区分处理的不足.分别在自建台风云图数据集和通用数据集MNIST上对CE-FMCE和MSE、交叉熵、MCE、M3CE进行对比实验,实验结果表明CE-FMCE优于其他目标函数.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邹国良	上海海洋大学信息学院	21	55	4.0	5.0
2	郑宗生	上海海洋大学信息学院	15	52	4.0	6.0
3	侯倩	上海海洋大学信息学院	4	9	1.0	3.0
4	卢奇	上海海洋大学信息学院	2	2	1.0	1.0