声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
作者：杜卉然,许亮,吕帅,
单位：广东工业大学自动化学院,广州510006；
关键词：生成式对抗网络,邻域差分,特征提取,数据增强,
基金：国家自然科学基金资助项目(21376091)；；
针对工业产品样本缺乏且特征不明显而难以用于深度学习训练的问题，提出一种邻域差分滤波生成式对抗网络数据增强（NDF-GAN）方法。将邻域差分滤波器融合到生成对抗网络中，从样本中提取特征并进行样本重建，对样本进行数据增强。实验表明，该方法所生成的样本比现有两种模型质量更高，与真实样本混合训练分类模型后获得更好的分类性能。因此，提出的NDF-GAN实现了对工业产品样本的数据增强。
来源：2020年第6期
《计算机应用研究》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。