[发明专利]一种基于K-NN图模块度的模型剪枝识别方法及系统在审
| 申请号： | 202111571284.6 | 申请日： | 2021-12-21 |
| 公开（公告）号： | CN114266922A | 公开（公告）日： | 2022-04-01 |
| 发明（设计）人： | 宣琦;陈依萍;杨文 | 申请（专利权）人： | 浙江工业大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州天正专利事务所有限公司 33201 | 代理人： | 王兵 |
| 地址： | 310014 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于K‑NN图模块度的模型剪枝识别方法，包括以下步骤：S1：样本输入优化模型获取预训练模型；S2：利用特征表示和特征距离获取一系列K‑NN图；S3：构建动态图，标签划定社区计算K‑NN图模块度；S4：根据模块度识别冗余层修剪范围，模型剪枝处理；S5：重复训练得到最终模型；S6：分类器模型进行生物分类。本发明还包括一种基于K‑NN图模块度的模型剪枝识别方法的系统，该系统由模型获取模块，构建K‑NN模块，动态图模块度计算模块，冗余层识别剪枝模块和生物分类模块依次连接构成。本发明将预训练模型特征表示中的类分离过程建模为动态图中社区的演化过程，无需对准确率增加恢复措施，获得具有高准确率的剪枝后模型，从而提高生物分类的效率。 | ||
| 搜索关键词： | 一种 基于 nn 模块 模型 剪枝 识别 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江工业大学，未经浙江工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202111571284.6/，转载请声明来源钻瓜专利网。
- 上一篇：人机验证方法、装置及电子设备
- 下一篇：服务调度方法、装置、设备以及存储介质
