针对传统机器学习中人工提取特征复杂度高,以及单卷积网络提取特征不充分导致识别率不高的问题,提出了一种基于集成卷积神经网络的面部表情识别新方法。该方法是将VGGNet-19改进后的VGGNet-19GP模型和ResNet-18模型进行集成,构建了集成网络(EnsembleNet)模型。该模型首先在训练集上对单模型进行训练,使单模型达到实验最优,然后在测试集上进行集成测试。在FER2013和CK+数据集上分别获得了73.854%和97.611%的平均准确率。与VGGNet-19GP和ResNet-18模型以及现有方法进行对比,结果表明,基于集成的面部表情分类方法具有分类更加准确和泛化能力更强的优点。
2022-06-19 13:11:57
17.64MB
1
针对微阵列基因表达数据高维小样本、高冗余且高噪声的问题，提出一种基于FCBF特征选择和集成优化学习的分类算法FICS-EKELM。首先使用快速关联过滤方法FCBF滤除部分不相关特征和噪声，找出与类别相关性较高的特征集合；其次，运用抽样技术生成多个样本子集，在每个训练子集上利用改进乌鸦搜索算法同步实现最优特征子集选择和核极限学习机KELM分类器参数优化；然后基于基分类器构建集成分类模型对目标数据进行分类识别；此外运用多核平台多线程并行方式进一步提高算法计算效率。在六组基因数据集上的实验结果表明，该算法不仅能用较少特征基因达到较优的分类效果，并且分类结果显著高于已有和相似方法，是一种有效的高维数据分类方法。
2022-06-15 10:27:53
1.35MB
1
1. 使用迁移学习+集成学习的思想来实现对于常见水果的好坏进行分类，使用Pytorch官方基于imageNet所训练好成熟框架体系，选择了机器学习界十分流行的四大网络架构densenet， googlenet，resnet，efficientnet使用迁移学习的办法，只修改其输出层的相关参数,进行冻结训练，在迭代训练过10次之后，对模型进行了解冻训练，使其可以修改整个网络结构参数，让我们的网络结构更加的贴合我们实际所使用的分类图像，同时四个网络训练框架训练完成之后，采用集成学习的思想，将四个框架模型进行了集成得到了最终的网络架构
2. 同时为了提升数据的泛化性，对实验数据进行了随机的裁剪，色调调节，归一化标准化，随机放射变化等一系列图像的预处理和图像增广
3. 使用了PyQt工具包进行了应用拓展,可以使用网上自由选择一张图片来进行水果的识别.
4.训练过程中使用了tesorboard对训练集和验证集的参数进行记录,保存已经训练好的模型参数,最后测试模型时绘制多分类的ROC曲线,与混淆矩阵
5.文件有相关的代码,预训练好的模型,相关的文档,还有ppt,数据集,和使用说明
2022-05-27 21:05:44
686.23MB
该部分涉及特征变量编码、特征相关性分析、训练集测试集拆分、PCA主成分分析、自动化特征选择及K-means聚类分析。
2022-05-20 16:01:24
1.72MB
1
系统集成项目管理工程师2019年上半年真题
集成学习+系统集成项目管理工程师+软考中级
推荐刷题小程序（科科过）
2022-05-14 21:02:42
294KB
1