基于栈式混合编码器的水质传感器数据融合算法
由于浅层神经网络网络结构和训练方式的限制,网络学习能力和泛化能力在大样本条件下没有深度学习网络强,为此,提出了一种基于栈式混合编码器的水质传感器数据融合算法.该算法通过堆叠自动编码器和稀疏自动编码器形成深度学习网络模型,实现对样本数据的特征挖掘和稀疏表示.经过大规模样本训练后的网络模型能够拟合复杂非线性函数,对低质量的样本数据有一定的泛化能力,并提高预测分类的精度.仿真结果证明,提出的算法取得了更高的评价分类准确率.
水质传感器、数据融合、栈式混合编码器、非线性函数、评价分类
44
TP391(计算技术、计算机技术)
广东省水利科技创新项目2020-04
2021-06-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
87-92