一种基于有序回归正则的分类方法技术

本发明专利技术涉及图像分类领域，具体涉及一种基于有序回归正则的分类方法，包括如下步骤：S01：设计神经网络结构：借鉴经典分类模型，结合具体的分类任务，设计合理的网络结构；S02：设计有序回归正则项：根据具体的分类任务，设计有序回归正则项，确定损失函数；S03：确定训练超参数：根据经验知识，选择合适的超参数；S04：模型训练：使用训练集训练端到端模型；S05：新样本预测和结果解释：使用训练好的模型对新样本进行预测，并对模型的结果做出解释；这种基于有序回归正则的分类方法，提高图像分类的准确性和稳定性。

【技术实现步骤摘要】
一种基于有序回归正则的分类方法
本专利技术涉及图像分类领域，具体涉及一种基于有序回归正则的分类方法。
技术介绍
图像分类，是判断给定图像的内容在已有固定的分类标签集合中属于何种具体类别的过程。图像内容的视角变化、大小变化、亮度变化、光照条件、背景干扰等都是分类任务面临的困难。有些种类之间的差异小，界限模糊，辨识困难，因此给图像分类是一个较难的问题。传统的机器学习方法一般首先提取图像特征，然后利用特征建模。特征一般为人为挑选，不够灵活，也不够准确，往往不能充分反映图像关键信息，因此准确率不能令人满意。深度学习技术在计算机视觉领域表现优异，在图像分类任务中也可取得较好的效果，但其准确率仍有进一步提升的空间，一般的正则化方法是约束神经网络的权重，以限制解空间的大小。
技术实现思路
本专利技术的目的是提供一种基于有序回归正则的分类方法，提高图像分类的准确性和稳定性。为了实现以上目的，本专利技术采用的技术方案为：一种基于有序回归正则的分类方法，包括如下步骤：步骤S01：设计神经网络结构：借鉴经典分类模型，结合具本文档来自技高网...

【技术保护点】
1.一种基于有序回归正则的分类方法，包括如下步骤：/n步骤S01：设计神经网络结构：借鉴经典分类模型，结合具体的分类任务，设计合理的网络结构；/n步骤S02：设计有序回归正则项：根据具体的分类任务，设计有序回归正则项，确定损失函数；/n步骤S03：确定训练超参数：根据经验知识，选择合适的超参数；/n步骤S04：模型训练：使用训练集训练端到端模型；/n步骤S05：新样本预测和结果解释：使用训练好的模型对新样本进行预测，并对模型的结果做出解释。/n

【技术特征摘要】
1.一种基于有序回归正则的分类方法，包括如下步骤：
步骤S01：设计神经网络结构：借鉴经典分类模型，结合具体的分类任务，设计合理的网络结构；
步骤S02：设计有序回归正则项：根据具体的分类任务，设计有序回归正则项，确定损失函数；
步骤S03：确定训练超参数：根据经验知识，选择合适的超参数；
步骤S04：模型训练：使用训练集训练端到端模型；
步骤S05：新样本预测和结果解释：使用训练好的模型对新样本进行预测，并对模型的结果做出解释。


2.根据权利要求1...

【专利技术属性】
技术研发人员：宋艳枝，唐文强，
申请(专利权)人：合肥黎曼信息科技有限公司，
类型：发明
国别省市：安徽;34