多模型加权融合机制的石墨纯度识别 |
| |
引用本文: | 徐小平,余香佳,刘广钧,刘龙.多模型加权融合机制的石墨纯度识别[J].数学的实践与认识,2022(4):172-182. |
| |
作者姓名: | 徐小平 余香佳 刘广钧 刘龙 |
| |
作者单位: | 1. 西安理工大学理学院;2. 西安理工大学自动化与信息工程学院 |
| |
基金项目: | 国家自然科学基金(61773016);;陕西省自然科学基础研究资助(2018JQ1089); |
| |
摘 要: | 针对人工识别的效率低及单一卷积神经网络提取特征的遗漏问题,提出了多模型加权融合机制的石墨纯度识别算法.在自建小样本数据集上,进行离线扩充和在线增强,提高模型的泛化能力,减少深层CNN的过拟合问题;结合迁移学习,利用优化的AlexNet和ResNet50构建双通道卷积神经网络,提取石墨图像的深层次特征,并将两者的特征进行加权融合后,使用SoftMax分类器进行分类.实验结果表明,经过加权融合后的识别准确率均优于单一网络,达到97.94%,同时模型的稳定性增强,收敛速度加快,证明了所提算法的可行性与有效性.
|
关 键 词: | 石墨 特征融合 卷积神经网络 迁移学习 小样本数据集 |
本文献已被 维普 等数据库收录! |
|