一种基于模型融合的神经网络噪声源分类的方法及装置

本申请公开了一种基于模型融合的神经网络噪声源分类的方法及装置，涉及噪声分类技术领域，解决了现有模型训练中泛化性差，识别稳定性不高且各类别准确率不均衡的问题，该方法包括：构建训练集，利用所述训练集对卷积神经网络模型进行多轮步骤的训练和测试，将筛选出的模型采用模型融合技术进行权重的求和平均并进行模型的推理部署，通过模型的迭代训练，有针对性地调整较难训练的类别在损失函数中的权重，进行类别识别准确率的平衡，然后通过模型融合技术，进一步平衡了各类别的准确率，并且提高了最终的融合模型的泛化性和鲁棒性。