10.3778/j.issn.1673-9418.1911057
多粒度融合的模糊规则系统图像特征学习
当前最流行的图像特征学习方法是深度神经网络,该类方法无需人工参与即可自动地通过特征学习提取高效的特征,用于分类识别等任务.然而,深度神经网络图像特征抽取方法目前也面临着诸多挑战,其有效性严重依赖大规模的数据,且通常被视为黑盒模型,解释性较差.针对上述挑战,以基于模糊规则推理的TSK模糊系统(TSK-FS)为基础,提出了一种适用于不同规模数据集且易于理解的特征学习方法——多粒度融合的模糊规则系统图像特征学习算法.该方法通过基于规则的TSK-FS抽取图像特征,因而特征学习过程是可以利用规则进行解释的.其次,多粒度扫描也使得其特征学习能力进一步提升.在不同规模的图像数据集上进行了充分的实验,实验结果表明该方法在图像数据集上具有较好的有效性.
特征学习、模糊系统、非线性模型、图像分类、可解释性
15
TP181(自动化基础理论)
江苏省杰出青年基金项目;国家自然科学基金面上项目
2021-01-15(万方平台首次上网日期,不代表论文的发表时间)
共12页
173-184