基于DBSCAN聚类的自适应滤波器剪枝策略

作     者：曾涛涛 李志玲 罗太维 

作者机构：贵州民族大学数据科学与信息工程学院 贵州民族大学贵州模式识别与智能系统重点实验室 

出 版 物：《中国科技信息》 (China Science and Technology Information)

年 卷 期：2025年第4期

页      面：93-95页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080902[工学-电路与系统] 0809[工学-电子科学与技术（可授工学、理学学位）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：贵州省科技计划项目(黔科合基础Zk一般195) 贵州省科技计划项目(黔科合基础-ZK一般143) 

摘      要：1背景随着人工智能的快速发展和大规模数据集的普及，卷积神经网络（CNN）在计算机视觉领域的应用日益广泛。尽管大型CNN模型能提供丰富的信息表示，但在资源有限的移动设备和可穿戴设备上部署时面临显著挑战。因此，有效轻量化深度CNN模型成为当前研究的重要方向。网络剪枝是一种模型简化技术，通过删除冗余滤波器来降低复杂度。剪枝方法主要分为结构化剪枝和非结构化剪枝。非结构化剪枝以参数为单位进行操作，通常需要特定硬件支持才能显著加速；而结构化剪枝则以通道或滤波器为单位，能在无特殊硬件支持的情况下实现模型加速，因此受到广泛关注。