基于遥感分类的深度信念网络模型研究 |
| |
引用本文: | 李玮,吴亮,陈冠宇.基于遥感分类的深度信念网络模型研究[J].地质科技情报,2018(2). |
| |
作者姓名: | 李玮 吴亮 陈冠宇 |
| |
作者单位: | 中国交通建设股份有限公司西北区域总部;武昌理工学院信息工程学院;中国地质大学(武汉)计算机学院; |
| |
摘 要: | 使用Python和TensorFlow作为工具实现基本的深度信念网络,提出了一种改进的Dropout策略,该策略每次只选择部分局部区域数据进行权重的清零,既保持了图像本身的局部信息,又增强了该模型的泛化能力,并使用差分进化进行神经网络的权值和偏移值的优化。通过实验对比表明,改进后的Dropout策略对于防止过拟合有明显的效果,使用差分进化算法对深度信念网络进行参数调整比传统的浅层分类器效果更好。
|
本文献已被 CNKI 等数据库收录! |
|