一种基于交叉验证法的CNN模型识别准确率优化方法
公开
摘要
本发明涉及人工智能技术领域，具体公开了一种基于交叉验证法的CNN模型识别准确率优化方法，包括如下步骤：采集数据并对数据进行预处理得到数据集；将数据集K折划分，K∈N；将K折划分后的数据集进行特征构建与融合，将数据集转换为特征向量或矩阵；构建CNN模型，将转换后的特征向量或矩阵输入，对CNN模型进行优化；将K折划分后的数据集导入优化后的CNN模型中进行训练并调节参数；将训练模型过后的识别结果可视化。本发明得到的模型识别准确率更为可靠，小数据集处理中能够避免因数据量少而产生的模型过拟合问题，可深入挖掘不同划分集合所蕴含的信息，对数据有更高的利用度，可以有效提高CNN识别模型的数据处理效率。
基本信息
专利标题 ：
一种基于交叉验证法的CNN模型识别准确率优化方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114626521A
申请号 ：
CN202210256770.7
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-16
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
冯庆胜姜琦董琦李红孙传增
申请人 ：
大连交通大学
申请人地址 ：
辽宁省大连市沙河口区黄河路794号
代理机构 ：
大连优路智权专利代理事务所(普通合伙)
代理人 ：
马新月
优先权 ：
CN202210256770.7
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-06-14 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
