42
基于卷积神经网络的数字图像特征降维算法
杨 栩
(成都师范学院物理与工程技术学院,四川 成都
611130
)
摘要:
内容针对手写数字的图像特征维度过大的问题,提出了一种改进的深度神经网络算法。该算法利用
20
个卷积层
提取手写数字图像的特征向量,特征向量经过
ReLU
激活函数后被
20
个池化层进一步降低向量维度,降维后的数字图
像计算量大大降低。采用整流线性单元函数作为激活函数,有效解决了梯度消失问题和过拟合问题。
关键词:
降维;卷积神经网络;池化;整流线性单元函数;梯度消失
中图分类号:TP391.41 文献标识码:A 文章编号:1673-1131
(
2019
)
11-0042-03
0
引言
随着计算机视觉的研究应用逐步推向深入,数字图像的
分类识别也越来越成熟,神经网络是图像模式识别中的一种
重要算法,它模拟生物神经网络,由输入节点、隐藏层节点、输
出节点等多层节点组成,通过卷积神经网络
[
1-3
]
可以实现深度
学习
[
4
]
。
特征提取是深度神经网络的难点之一,由于图像输入向
量的维度一般都特别大,计算量特别大,特征降维就非常必
要。本文使用卷积神经网络(一个卷积层一个池化层)实现
手写数字分类识别,输入图像(28*28 像素)通过 20 个 9*9 像
素卷积过滤器提取图像特征,再通过 20 个池化过滤器进一
步降维到 10*10 像素,ReLU 函数有效避免了梯度消失和过
拟合问题。
1
深度神经网络建模
对经过预处理后的手写数字图像实现灰度值归一化,本
文采用 MNIST 数据库,该数据库总共包含 70000 张 28*28
像素的手写数字图像,为了控制训练时间,选取数据库中的
8000 张作为训练数据,2000 张作为测试数据。训练图片在随
机梯度下降学习规则的作用下对深度神经网络进行训练,使
随机初始化的权重值得到优化。测试图像数据经过训练好的
重复,随着计算过程的深入,当计算后续节点时,会涉及到先
前计算的节点。此时可以直接读取存储的路径值,避免重复
的遍历。以图 2 为例,此时已计算 4 节点的全源最短路径 P
{
4
}
。若需要计算 1 节点的全源最短路径 P
{
1
}
,则可以将 4 节
点阻断,利用 P
{
4
}
计算。算法流程图,如图 3 所示。
图 3 算法流程图
2.2 算法测试
为了验证本文所述的算法性能,接下来使用开放数据集
对算法进行测试,文中使用的数据集中的网络规模,如表 1 所
示。本文设计的算法可以得到与 Dijkstra 和 BFS 算法相同的
运算精度,但在运算时间上有较大程度的改善。算法的运行
时间如表 2 所示。
表 1 数据集网络规模
表 2 算法运行时间
3
结语
本文设计了面向大规模物理网络的最短路径算法。算法
基于 BFS 思想,通过引入存储队列,进行网络的路径阻断。算
法测试结果表明,本文设计的最短路径可以在保证精度的前
提下,大幅度缩减运算时间。
参考文献:
[
1
]
张翰林,关爱薇,傅珂,等.Dijkstra 最短路径算法的堆优化
实验研究
[
J
]
.软件,2017
(
5
)
:23-29.
[
2
]
范炯,朱志宇.基于MapInfo的Dijkstra最短路径算法研究
[
J
]
.江苏科技大学学报:自然科学版,2017,31
(
1
)
:79-83.
[
3
]
高遵海,高颖,程果.图的赋权路径矩阵与所有点对最短路
径问题
[
J
]
.计算机工程与应用,2017,53
(
9
)
:47-50.
[
4
]
满振祯,余世明,何德峰.基于改进伊藤算法的最短路径网
络路由优化算法
[
J
]
.计算机科学,2017,44
(
7
)
:215-220.
[
5
]
连懿,王成雷,何龙,等.基于改进的启发式蚂蚁算法求解最
短路径
[
J
]
.天津师范大学学报:自然科学版,2017,37
(
3
)
:54-57.
基金项目:广东理工学院质量工程项目,编号:JXTD2016001。
作者简介:向志华(1982-),女,湖南洞口人,硕士,讲师,研究方
向:算法设计、数据挖掘。
2019
(Sum. No 203)
信息通信
INFORMATION & COMMUNICATIONS
2019 年第 11 期
(总第 203 期)
评论1
最新资源