计算机科学与探索

作者：马翔, 邓赵红, 王士同

单位：江南大学 数字媒体学院，江苏 无锡 214122

关键词：特征学习,模糊系统,非线性模型,图像分类,可解释性

当前最流行的图像特征学习方法是深度神经网络，该类方法无需人工参与即可自动地通过特征学习提取高效的特征，用于分类识别等任务。然而，深度神经网络图像特征抽取方法目前也面临着诸多挑战，其有效性严重依赖大规模的数据，且通常被视为黑盒模型，解释性较差。针对上述挑战，以基于模糊规则推理的TSK模糊系统（TSK-FS）为基础，提出了一种适用于不同规模数据集且易于理解的特征学习方法——多粒度融合的模糊规则系统图像特征学习算法。该方法通过基于规则的TSK-FS抽取图像特征，因而特征学习过程是可以利用规则进行解释的。其次，多粒度扫描也使得其特征学习能力进一步提升。在不同规模的图像数据集上进行了充分的实验，实验结果表明该方法在图像数据集上具有较好的有效性。

来源：2021年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第1期