摘要
本发明公开了一种基于神经网络互信息估计的目标分类方法,包括:获取各样本的特征向量和类别标签,并生成第一随机参考分布;基于每种特征下各样本的特征值和第一随机参考分布中各样本的特征值、各样本的类别标签和第一随机参考分布中各样本的类别标签,利用XY_net计算第一上确界;基于每种特征下各样本的特征值和第一随机参考分布中各样本的特征值,利用X_net计算第二上确界;基于各样本的类别标签Y和第一随机参考分布中各样本的类别标签,利用Y_net计算第三上确界;基于三个上确界估计每种特征与类别标签之间的互信息;选取对于分类贡献最大的第一特征;利用多个样本的第一特征训练目标分类模型以进行目标分类,提高了目标分类的准确性。
技术关键词
神经网络模型
分类方法
样本
训练神经网络
特征值
标签
参数
网络结构
系统为您推荐了相关专利信息
修正方法
识别特征
邻域特征
高清摄像头
路径匹配
电子线路板
深度学习模型
多任务学习方法
多任务学习模型
表达式
烟草制丝生产线
卷积神经网络模型
分类方法
制品
注意力机制
芒果树
语义特征
图像多尺度
融合特征
协同注意力
训练集数据
负荷预测模型
Stacking集成学习
深度置信网络
负荷预测方法