基于WideResNet的生活垃圾图像分类研究

针对现有生活垃圾图像分类存在的模型训练耗时长、准确率不高等问题,设计了一种基于WideResNet模型的生活垃圾图像分类框架,通过减少网络的深度,增加网络输出的通道数,使残差块学习到更多有用信息的特点,保证了准确性,通过迁移学习的方法,减少了生活垃圾分类模型的训练时间。实验结果表明,在华为垃圾公开数据集上,对4大类垃圾进行分类测试,所采用的WideResNet模型性能明显高于VGG16和ResNet50模型,精度可以达到93.4%,证明了所提算法在生活垃圾图像分类问题上具有较强的准确性和实用性。

基于压缩感知和最小二乘的分布式协作频谱感知

针对认知无线电(CR)集中式频谱感知算法对融合中心要求高,而且对节点失效的容忍性也不高等缺点,提出了一种基于压缩感知的分布式多节点协作算法。认知无线电网络中每个CR节点在接收信号频谱后,首先根据压缩采样理论在本地获取压缩采样测量值,然后利用l_1范数约束的最小二乘算法在本节点估计频谱,把在此节点估计的频谱传给下一相邻节点,以此进行迭代优化直到算法收敛。理论分析和仿真结果表明,所提算法不仅计算复杂度低,收敛速度快,而且精确重构性能好,可靠性较高。