基于集成学习的卷积神经网络算法在小规模块景分类的研究和应用.pdf

目录 第1 章 绪论 1 1.1 课题背景及意义 1 1.2 国内外研究现状 3 1.3 论文的内容 5 第2 章 相关知识介绍 7 2.1 卷积神经网络的结构 7 2.1.1 卷积层 9 2.1.2 池化层 10 2.1.3 激活层 11 2.1.4 Softmax 分类器 13 2.1.5 全连接层 14 2.2 图像场景分类常用模型 14 2.2.1 LeNet 14 2.2.2 AlexNet 15 2.2.3 VGGNet 15 2.3 集成学习 16 2.3.1 Boosting 方法 17 2.3.2 随机森林与bagging 方法 17 2.4 迁移学习 18 第3 章 RF-VGG6 在自然场景分类的实证分析 20 3.1 运行环境 20 3.2 小样本数据集在卷积神经网络中的调参方法 20 3.2.1 正则化 21 3.2.2 拓展训练集 22 3.2.3 使用合适的激活函数 22 3.2.4 增加神经网络层数 22 3.2.5 选用合适的目标函数 23 3.3 自然场景分类数据集 23 3.3.1 scene-15 灰度图数据集介绍 23 3.3.2 MIT Places2 及其他彩色数据集介绍 24 3.3.3 本章使用的数据集 25 3.4 数据处理 26 3.5 各模型的实验结果 28 3.5.1 LeNet-5，AlexNet-4 ，VGGNet-16 的实验结果 28 3.5.2 RF-VGG16 ，Ada-VGG16 的实验结果 29 3.5.3 RF-VGG6 的实验结果 31 3.6 本章小结 35 第4 章 RF-VGG6 在遥感影像场景分类的实证分析 37 4.1 遥感影像概述 37 4.2 UC Merced Land Use Dataset 遥感影像数据集介绍 37 4.3 数据处理 38 4.4 RF-VGG6 的实验结果 40 4.4.1 RF-VGG6 ，RF-VGG16 ，VGGNet-16 的实验结果 40 4.4.2 RF-VGG6 ，LeNet-5，AlexNet-4 的实验结果 41 4.4.3 实验结果对比分析 42 4.5 本章小结 43 第5 章 结论和展望 45 5.1 本文工作总结 45 5.2 结论和展望 46 参考文献 48 致谢 52 Contents ChapterI Introduction 1 1.1 Subject Background and Significance 1 1.2 Overview of Literature at Home and Abroad 3 1.3 The Content of the Paper 5 ChapterII Introduction to Relevant Knowledge 7 2.1 The Structure of the Convolutional Neural Network 7 2.1.1 Convolution Layer 9 2.1.2 Pool Layer 10 2.1.3 Active Layer 11 2.1.4 Softmax 13 2.1.5 Fully Connected Layer 14 2.2 Common Models of Image Scene Classification 14 2.2.1 LeNet