改进胶囊网络优化分成卷积的亚健康识别

针对传统卷积神经网络（CNN）为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题，提出改进胶囊网络优化分层卷积的亚健康识别算法。首先，对原始振动数据进行小波降噪和小波包降噪两种数据处理，更妤地保留原始信号中对亚健康识别有用的信息;其次，CNN采用分层卷积的思想，并行3个不同尺度的卷积核，多角度地进行特征提取;最后，将卷积核提取的特征输入到剪枝策略的胶囊网络中进行亚健康识别，改进的胶囊网络在保证准确率的冋时加快亚健康识别时间，解决CNN结构过于复杂以及识别效果不佳的问题。实验结果表明，提岀算法识别准确率高且识别时间较少。