期刊介绍

本刊主要报道信息、控制与系统技术的开发性研究成果及其在我国各个领域的应用成果。所刊文章既有较高的学术价值、又有使用价值、推广价值和应用前景。辟有论文与报告、综论与介绍、讲座、实际问题研讨、学术活动信息等栏目。读者对象为从事本... 更多

核心期刊

CSCD核心库[2019-2020]
中文核心期刊(2017)
中文核心期刊(2014)
中文核心期刊(2011)
中文核心期刊(2008)
中文核心期刊(2004)
中文核心期刊(2000)
中文核心期刊(1996)
中文核心期刊(1992)

当前位置:首页 > 期刊导读 > 2019 > 04 > 详细内容

一种基于雷达图表示的数值型数据的CNN分类方法

作者: 程诚 任佳

摘要:卷积神经网络(convolutional neural networks,CNN)是一种广泛用于分析视觉图像的分类方法.由于数值数据存在着非线性、 耦合性等复杂的空间关系,因此基于CNN的数值型数据的研究较少.本文的目的是找到一种可行的方法,将CNN的应用领域扩展到数值数据.于是提出了一种基于雷达图表示的数值型数据的CNN分类方法(Radar-CNN).该算法首先将数值数据表示成雷达图形式,然后将其输入CNN中构建分类模型.为了进一步研究特征尺度和序列对性能的影响,提出了两种改进算法Rank Radar-CNN和SFS Radar-CNN.为了验证所提算法的有效性,引入TE化工过程数据集进行实验测试并比较,实验结果表明Radar-CNN及其改进算法具有优异的性能.


关键字: 卷积神经网络 数值型数据 雷达图 TE


上一篇: 一种新型约束多目标帝国竞争算法
下一篇: 采用信息增益率的混合入侵检测模型设计