-
作者
刘威王薪予魏宪郭直清靳宝牛英杰马灵潇赵保钦
-
单位
辽宁工程技术大学理学院辽宁工程技术大学数学与系统科学研究所辽宁工程技术大学智能工程与数学研究院中国科学院海西研究院泉州装备制造研究中心
-
摘要
针对半监督分类模型存在的模型复杂度高、构造正则化项难度大的问题，从丰富样本特征表示的角度出发，构造了自适应图结构的融合网络模型（AGSH）。该模型在卷积神经网络模型（CNN）基础上引入了自适应图卷积神经网络（AGCN）提取CNN模型特征间的关系。对AGSH模型泛化性能的分析证明了该模型在解决半监督相关问题时的有效性。实验结果表明：融合模型在五种图像数据集上的分类精度相比于单一CNN模型分类精度均有提升。研究结论为解决小样本分类问题的建模方法提供了参考。
-
关键词
自适应图特征提取融合模型半监督学习图像分类卷积神经网络
-
基金项目(Foundation)
国家自然科学基金（51974144；51874160）；辽宁工程技术大学学科创新团队资助项目（LNTU20TD-01；LNTU20TD-07）；
-
引用格式
刘威,王薪予,魏宪,郭直清,靳宝,牛英杰,马灵潇,赵保钦.基于自适应图的半监督图像分类方法[J].辽宁工程技术大学学报(自然科学版),2023,42(01):119-128.
辽宁工程技术大学学报(自然科学版) 
2023年第01期 
