基于深度学习与SVM的吸毒成瘾者识别 |
| |
引用本文: | 王媛媛,徐一得,王新宇,田 彬,王奎文,周 锋.基于深度学习与SVM的吸毒成瘾者识别[J].电子器件,2023,46(1):115-120. |
| |
作者姓名: | 王媛媛 徐一得 王新宇 田 彬 王奎文 周 锋 |
| |
作者单位: | 盐城工学院信息工程学院;东南大学信息科学与工程学院;江苏省方强强制隔离戒毒所 |
| |
基金项目: | 国家自然科学基金资助项目(62076215);江苏省高等学校自然科学研究重大项目资助(19KJA110002) |
| |
摘 要: | 提出一种使用PCA和线性判别器的神经网络模型,利用深度学习方法通过面部图像及抽象特征中的局部信息识别吸毒成瘾者的成瘾程度和社区矫正时间。首先对主干网络Res Net50进行预训练;再使用PCA降低特征数、Fisher判别器进行预判,从而使模型的训练时间减少、特征提取更加准确和快捷;最后网络末端通过全连接层与SVM函数的组合进行分类。随机梯度下降的优化目标采用了交叉熵损失。实验表明,此方法对于吸毒成瘾程度的识别准确度可达81.74%,对于社区矫正时间的识别准确率可达60.59%。
|
关 键 词: | 深度学习 神经网络 PCA Fisher判别器 |
|
| 点击此处可从《电子器件》浏览原始摘要信息 |
|
点击此处可从《电子器件》下载全文 |
|