基于生成对抗网络的图像分类研究及其在脉冲星候选体识别中的应用

发布时间：2021-01-23 05:05

　　脉冲星是高度磁化的旋转中子星,具有体积小、密度大等特点。脉冲星的发现在物理和天文学领域都有着重大的意义。随着人工智能技术的发展,基于深度学习的图像识别方法被越来越多地用于脉冲星候选的识别。然而,脉冲星候选体数据集具有极端不平衡以及正类样本匮乏等特征,导致传统识别方法表现出模型偏移、效果不佳等现象;另外,这类方法需要大量的标签样本,这对脉冲星候选体数据集来说也是难以实现的。基于此,本文从生成对抗网络（GANs）的角度出发,探索非平衡数据集以及小规模数据集的图像识别与半监督学习问题。论文的主要工作与创新包含以下四个方面:（1）提出一种基于辅助分类器生成对抗网络（ACGAN）的图像识别模型CP-ACGAN。ACGAN是基于GANs提出的一种样本可控性生成模型,同时它也能预测样本的标签。但当把该模型用于图像分类时,却表现出收敛速度慢、识别效果差等现象。经分析认为这是由判别器的输出层网络结构以及模型损失函数导致的。因此,通过改进网络结构,重构损失函数以及引入样本生成与样本分类之间的权重因子,提出了一种新的图像识别模型CP-ACGAN。该模型能有效地利用生成样本补充训练样本的多样性,从而提高图像识... 

【文章来源】：贵州师范大学贵州省

【文章页数】：113 页

【学位级别】：博士

【文章目录】：
中文摘要
英文摘要
第一章 绪论
    1.1 选题背景及意义
    1.2 国内外相关研究现状
    1.3 研究内容
    1.4 论文结构
第二章 生成对抗网络
    2.1 卷积神经网络
        2.1.1 人工神经网络
        2.1.2 卷积神经网络
    2.2 生成对抗网络及其改进模型
第三章 基于辅助分类器生成对抗网络的图像识别
    3.1 ACGAN模型分析
    3.2 图像识别模型CP-ACGAN
        3.2.1 模型构造
        3.2.2 损失函数
    3.3 CP-ACGAN模型实验与结果分析
        3.3.1 实验数据与参数设置
        3.3.2 图像识别
        3.3.3 超参数分析
第四章 基于生成对抗网络的半监督学习
    4.1 背景介绍
    4.2 半监督学习模型SSL-ATJD
        4.2.1 模型提出
        4.2.2 模型收敛性分析
        4.2.3 模型训练
    4.3 SSL-ATJD模型实验与结果分析
        4.3.1 实验数据与实验平台
        4.3.2 网络层结构与超参数
        4.3.3 半监督分类
        4.3.4 半监督生成
    4.4 基于对抗训练的图像识别模型ICAT
        4.4.1 模型构造
        4.4.2 理论分析
        4.4.3 模型训练
    4.5 ICAT模型实验与结果分析
        4.5.1 网络层结构与超参数
        4.5.2 图像分类
        4.5.3 生成样本可控性分析
第五章 脉冲星候选体识别
    5.1 脉冲星信号的搜索与判别
        5.1.1 脉冲星信号的搜索
        5.1.2 脉冲星候选体判别
    5.2 脉冲星候选体数据集与评价指标
        5.2.1 脉冲星候选体数据集
        5.2.2 评价指标
    5.3 基于CP-ACGAN、ICAT的脉冲星候选体识别
        5.3.1 模型结构与超参数
        5.3.2 HTRU上的实验结果分析
        5.3.3 FAST上的实验结果分析
    5.4 基于SSL-ATJD的脉冲星候选体识别
第六章 总结与展望
    6.1 本文总结
    6.2 展望
参考文献
致谢
攻读博士期间主要研究成果



本文编号：2994610