作者：刘梦伦; 赵希梅; 魏宾轻量级模型超限学习机迁移学习
摘要：针对传统卷积神经网络的结构参数量大,识别率较低等问题,提出利用一种轻量级模型结构MobileNet V2与超限学习机(ELM)相结合的方法对肝硬化进行识别。首先,采用迁移学习的方法,在ImageNet数据集上进行预训练后得到权重和参数,避免数据产生过拟合现象。为提高识别肝硬化准确率,将模型的全连接层特征以向量形式输出,送入ELM进行分类,替代原有的softmax分类器。实验结果表明,该方法识别率高于当前的仅使用深度学习或者机器学习等方法且运算速率较高。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《青岛大学学报·工程技术版》（CN：37-1268/TS）是一本有较高学术价值的大型季刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《青岛大学学报·工程技术版》先后被确定为中国科技论文统计源期刊、中国期刊方阵双效期刊，并入选中国科技期刊文摘数据库、《中国科学引文数据库》等多家数据库，还多次获得国家和省部级优秀科技期刊奖及科技期刊优秀编辑质量奖。
杂志详情
