改进胶囊网络优化分层卷积的亚健康识别算法

摘要：

针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法.首先,对原始振动数据进行小波降噪和小波包降噪两种数据处理,更好地保留原始信号中对亚健康识别有用的信息;其次,CNN采用分层卷积的思想,并行3个不同尺度的卷积核,多角度地进行特征提取;最后,将卷积核提取的特征输入到剪枝策略的胶囊网络中进行亚健康识别,改进的胶囊网络在保证准确率的同时加快亚健康识别时间,解决CNN结构过于复杂以及识别效果不佳的问题.实验结果表明,提出算法识别准确率高且识别时间较少.

关键词：亚健康识别、卷积神经网络(CNN)、胶囊网络、小波降噪、小波包降噪

所属期刊栏目：15

分类号：TP311;TP391(计算技术、计算机技术)

资助基金：国家自然科学基金51704138

在线出版日期：2021-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：712-722