應(yīng)用于非精確圖匹配的改進(jìn)DF模型

2023年12月27日發(fā)(作者：施工方案審批流程)

應(yīng)用于非精確圖匹配的改進(jìn)DF模型

李智杰;伊志林;李昌華;張頡

【期刊名稱】《計(jì)算機(jī)科學(xué)與探索》

【年(卷),期】2022(16)6

【摘 要】針對(duì)傳統(tǒng)深度森林算法提取的特征不夠完整,以及采取的等權(quán)決策機(jī)制對(duì)分類結(jié)果易產(chǎn)生差異性等問(wèn)題,提出一種應(yīng)用于非精確圖匹配的改進(jìn)DF模型(IDF)。首先,在挖掘特征子集的過(guò)程中,采取融合移動(dòng)窗口和隨機(jī)移動(dòng)窗口的方式。在移動(dòng)窗口掃描樣本的同時(shí),隨機(jī)捕獲一個(gè)與移動(dòng)掃描窗口相同大小的特征子集,兩者構(gòu)成新的特征子集,從而將新特征子集作為級(jí)聯(lián)森林模塊的輸入。其次,在級(jí)聯(lián)森林的迭代過(guò)程中,計(jì)算當(dāng)前森林的決策結(jié)果所占權(quán)重,并與上一級(jí)森林進(jìn)行對(duì)比,采用Min的權(quán)值策略規(guī)則賦值給當(dāng)前森林,逐次迭代直至結(jié)果滿足模型所設(shè)定的閾值。最后,在MUTAG、PTC、COX2等數(shù)據(jù)集上進(jìn)行了訓(xùn)練和測(cè)試。實(shí)驗(yàn)結(jié)果表明,相比于傳統(tǒng)深度森林算法,IDF充分考慮了圖的結(jié)構(gòu)特征,能夠有效增強(qiáng)樣本的擬合優(yōu)度及多樣性,降低了級(jí)聯(lián)模塊中各子樹(shù)的決策差異及模型的復(fù)雜度,有效提升了模型的分類識(shí)別率。

【總頁(yè)數(shù)】7頁(yè)(P1383-1389)

【作 者】李智杰;伊志林;李昌華;張頡

【作者單位】西安建筑科技大學(xué)信息與控制工程學(xué)院

【正文語(yǔ)種】中 文

【中圖分類】TP391.4

【相關(guān)文獻(xiàn)】

1.基于非精確圖匹配的一種工程圖檢索方法2.基于非精確圖匹配的CAD模型搜索方法3.融合拓?fù)涮卣骱皖I(lǐng)域特征的非精確圖匹配算法4.基于非精確圖匹配的三維CAD模型局部檢索5.用于非精確圖匹配的改進(jìn)GCN模型

因版權(quán)原因，僅展示原文概要，查看原文內(nèi)容請(qǐng)購(gòu)買(mǎi)