神经网络需要大量的有标签数据来训练与优化参数。当样本数量较少的时候,网络参数无法得到充分优化。针对小样本情况下神经网络性能较低和存在过拟合的问题,将神经网络特征与人工特征进行融合,以提高识别准确率。仿真结果表明,提出的算法在多种小样本情况下均能有效提高识别的准确率。另外,针对过拟合情况,提出的算法也可以有效恢复过拟合情况下的准确率。
科研之友
微信
新浪微博
Facebook
分享链接
