论文部分内容阅读
针对支持向量机(SVM)驱动的积神经网络(CNN)模忽视特征的空间分布信息对模型泛化性能的不足,提出一种最小类内方差支持向量机(MCVSVM)驱动的CNN模型来处理图像识别任务。得益于MCVSVM中类内散度矩阵的引入,提出的CNN模型不仅考虑异类图像特征间的间隔,同时能够利用特征空间中特征向量的分布信息对CNN进行微调。在五个大规模数据集上的实验结果表明,相对于SVM驱动的CNN模型,MCVSVM驱动的CNN在实验数据集上的Top-1识别准确率最大提高4.44%。MCVSVM驱动的CNN具有更强的泛