基于改进最小分类误差准则算法的深度学习研究——以台风卫星云图为例

针对传统基于最小分类误差准则（MCE）建立的目标函数存在样本错分类时网络出现的梯度反向问题，引入最小分类误差准则，定义带修正项的FMCE目标函数。以较高精度的交叉熵作为基函数，将FMCE作为修正函数，提出改进交叉熵目标函数CE-FMCE，使得网络在反向传播过程中提升标签类输出的概率。CE-FMCE不仅克服了传统MCE目标函数的梯度反向问题，还弥补了交叉熵函数对非标签集梯度不作区分处理的不足。分别在自建台风云图数据集和通用数据集MNIST上对CE-FMCE和MSE、交叉熵、MCE、M³CE进行对比实验，实验结果表明CE-FMCE优于其他目标函数。