科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统卷积神经网络对多传感器指纹识别泛化能力降低、准确率不高的问题，提出改进的Stacking集成学习算法。首先将AlexNet进行改进，在AlexNet中引入深度可分离卷积减少参数量，加快训练速度；引入空间金字塔池化，提升网络获取全局信息的能力；引入批归一化，加快网络收敛速度，同时提升网络在测试集上的准确率；使用全局平均池化替代全连接层，防止过拟合。然后将DenseNet和改进的AlexNet 2种卷积神经网络作为Stacking的基学习器对指纹进行分类，获得预测结果。最后对相同基学习器训练得到的各个模型，根据预测精度对各预测结果赋权，得到的预测结果再由元分类器分类。改进的Stacking算法在多传感器指纹数据库上进行实验，最终识别准确率达98.43%,相对AlexNet提升了20.05%,相对DenseNet提升了4.25%。
- 出版日期2022
- 单位西南石油大学
