首页|基于集成学习的有害垃圾自动识别方法研究

基于集成学习的有害垃圾自动识别方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
深度学习是机器学习提供自动识别图像的工具,广泛应用于自动识别垃圾图像.受限于数据集,现有的垃圾分类研究中都是平等对待所有垃圾类别,没有考虑有害垃圾误分类的危害.本文首先基于网络爬虫和人工拍摄的方式构建了包含有害垃圾的垃圾图像数据集(DTrash),并基于保守的集成学习策略,提出了基于集成学习的有害垃圾自动识别方法.集成学习方法在DTrash上的漏判误差、误判误差和总体误差分别为0％,11.63％和4.57％.
Research on Automatic Identification Method of Hazardous Waste Based on Ensemble Learning

孟德尧、吴荣海、杨邓奇

展开 >

大理大学数学与计算机学院,大理 671003

大理大学工程实训中心,大理 671003

有害垃圾 深度神经网络 垃圾分类 深度学习 集成策略

国家自然科学基金

31960119

2022

10.3969/j.issn.1007-1423.2022.16.007

现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
年,卷(期)：2022.28(16)
  • 3