基于DPC优化动态路由的胶囊网络算法.pdf

文档介绍：第 17 卷 第 2 期 沈阳工程学院学报（自然科学版） Vol. 17 No. 2
2 0 2 1 年 4 月 Journal of Shenyang Institute of Engineering（Natural Science） Apr. 2021
DOI：10. 13888/j. cnki. jsie（ns）. 2021. 02. 012
基于 DPC 优化动态路由的胶囊网络算法
林凯迪 1，杜洪波 1，朱立军 2
（1. 沈阳工业大学 理学院，辽宁 沈阳 110870；2. 北方民族大学 信息与计算科学学院，
宁夏 银川 214215）
摘 要：作为一种深度神经网络结构，与卷积神经网络（CNN）相比，胶囊网络可以建立不同特
征之间的空间关系，具有更好地拟合特征的能力。但是，动态路由中原有的聚类算法对初始聚
类中心的选择较为敏感。针对这一问题，使用密度峰值聚类（DPC）算法对原有的聚类算法进行
- -
优化，提出 DPC CapsNet 模型，以提高动态路由算法的整体性能。基于 TensorFlow 框架的 DPC
-
CapsNet 模型的实验结果表明，结合了 DPC 算法的胶囊网络结构在 MNIST 和 Fashion MNIST 数
据集上均具有较快的收敛速度，以及较高的分类准确率，证明了算法的有效性，同时也说明了胶
囊网络在图像分类领域的应用潜力。
关键词：深度学****图像分类；胶囊网络；动态路由；DPC 算法
中图分类号：TP391 文献标识码：A 文章编号：1673 - 1603（2021）02 - 0061 - 07
随着深度学****的不断发展，卷积神经网络得到 阵胶囊网络，其胶囊包括姿态矩阵和激活概率,感
深入研究，在实时应用、人脸识别、复杂网络、迁移 受野的增加使得该网络可以拟合复杂图像。
学****及图像分割等领域都有着不凡的表现［1-5］。但 胶囊网络具备更好地拟合特征的能力，但是计
是卷积神经网络存在两个重要缺