基于CNN池化和进化策略的一般神经网络图像分类研究.pdf

第 １１ 卷　第 ２ 期 智　能　计　算　机　与　应　用 　２０２１ 年 ２ 月
　 　
Ｖｏｌ．１１ Ｎｏ．２ 　 Ｉｎｔｅｌｌｉｇｅｎｔ Ｃｏｍｐｕｔｅｒ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ 　 Ｆｅｂ．２０２１
　　　　　　
文章编号：２０９５－２１ ６３（２０２１ ）０２－０１ ７９－０５ 中图分类号：ＴＰ３９１ ．４１ 文献标志码：Ａ
基于 ＣＮＮ 池化和进化策略的一般神经网络图像分类研究
高　滔
（上海理工大学 管理学院，上海 ２０００９３）
摘　要：网络的爆炸式发展产生了海量的图像，图像标签的错误和缺失比较常见，图像分类研究很有必要。ＣＮＮ 池化能够
提取到输入矩阵的重要特征，降低数据的维度。进化策略是模仿生物 “优胜劣汰”进化方式的一种启发式算法，能快速找
到问题的解。本文基于 ＣＮＮ 池化提取一组有正确标签的图像的特征，搭建层数为 ３ 的神经网络，进化策略优化初始权重，
通过训练集训练分类模型，通过测试集来验证模型的优劣，并使最终的模型实现对未知类别图像的高效分类。实例验证阶
段收集 １ ０ 类 １ ００ 张犬类图片，按照各研发步骤进行实验，算法结果验证了进化策略优化权重的必要及神经网络模型的高
效。
关键词：ＣＮＮ 池化；进化策略；神经网络；图像分类
Ｒｅｓｅａｒｃｈ ｏｎ ｇｅｎｅｒａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ
ｉ ｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｂａｓｅｄ ｏｎ ＣＮＮ ｐｏｏｌｉｎｇ ａｎｄ ｅｖｏｌｕｔｉｏｎａｒｙ ｓｔｒａｔｅｇｙ
ＧＡＯ Ｔａｏ
（Ｂｕｓｉｎｅｓｓ Ｓｃｈｏｏｌ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｈａｎｇｈａｉ ｆｏｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ ２００