卷积神经网络与人工水母搜索的图特征选择方法 |
| |
引用本文: | 孙林,蔡怡文.卷积神经网络与人工水母搜索的图特征选择方法[J].南京大学学报(自然科学版),2023(5):759-769. |
| |
作者姓名: | 孙林 蔡怡文 |
| |
作者单位: | 1. 河南师范大学计算机与信息工程学院;2. 天津科技大学人工智能学院 |
| |
基金项目: | 国家自然科学基金(62076089); |
| |
摘 要: | 目前,卷积神经网络(Convolutional Neural Network,CNN)模型在处理图像数据时分类效果较差,人工水母搜索(Artificial Jellyfish Search,AJS)算法收敛速度慢,迭代次数多,特征选择的效果不理想.针对上述问题,提出一种基于CNN和AJS的图特征选择方法 .首先,使用CNN来提取特征,将生成的特征图进行图嵌入降维,再使用AJS算法进行特征选择,把得到的特征输入分类器,进行模型训练和评估;然后,在图嵌入阶段,将特征图进行随机游走,并通过添加特征权重计算节点的游走概率来增强权重大的节点的游走概率,提高分类精度;最后,在AJS算法中引入余弦公式对人工水母的位置进行更新,充分考虑特征向量之间的相似性,提高算法的收敛速度并减少迭代次数.在10个基准函数上进行实验,结果表明改进的AJS算法具有较好的优化性能.在四个数据集上,将提出的算法与其他算法进行对比实验,实验结果表明,提出的算法能提高分类精度,减少迭代次数.
|
关 键 词: | 图特征选择 卷积神经网络 图嵌入 人工水母搜索 |
|
|