多粒度融合的模糊规则系统图像特征学习

• 作者: 王士同 邓赵红 马翔
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 特征学习 模糊系统 非线性模型 图像分类 可解释性
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 图形图像
• 页码范围: 173-184
• 页数: 12页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1911057

摘要

当前最流行的图像特征学习方法是深度神经网络,该类方法无需人工参与即可自动地通过特征学习提取高效的特征,用于分类识别等任务.然而,深度神经网络图像特征抽取方法目前也面临着诸多挑战,其有效性严重依赖大规模的数据,且通常被视为黑盒模型,解释性较差.针对上述挑战,以基于模糊规则推理的TSK模糊系统(TSK-FS)为基础,提出了一种适用于不同规模数据集且易于理解的特征学习方法——多粒度融合的模糊规则系统图像特征学习算法.该方法通过基于规则的TSK-FS抽取图像特征,因而特征学习过程是可以利用规则进行解释的.其次,多粒度扫描也使得其特征学习能力进一步提升.在不同规模的图像数据集上进行了充分的实验,实验结果表明该方法在图像数据集上具有较好的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同		528	3424	23.0	37.0
2	邓赵红		86	764	11.0	26.0
3	马翔		3	4	1.0	2.0