基于栈式降噪稀疏自动编码器的雷达目标识别方法 被引量：12

1

作者 赵飞翔 刘永祥 霍凯 《雷达学报（中英文）》 CSCD 2017年第2期149-156,共8页

雷达目标识别中特征提取是关键步骤,所提取特征的好坏决定着识别效果的优劣,但传统特征提取方法很难发掘目标数据深层次本质特征。深度学习理论中的自动编码器模型能够用数据去学习特征,获得数据不同层次的特征表达。同时为消除噪声影响... 雷达目标识别中特征提取是关键步骤,所提取特征的好坏决定着识别效果的优劣,但传统特征提取方法很难发掘目标数据深层次本质特征。深度学习理论中的自动编码器模型能够用数据去学习特征,获得数据不同层次的特征表达。同时为消除噪声影响,该文提出一种基于栈式降噪稀疏自动编码器的雷达目标识别方法,通过设置不同隐藏层数和迭代次数,从雷达数据中直接高效地提取识别所需的各层次特征。暗室仿真数据实验结果验证了该方法较K近邻分类方法及传统栈式自编码器有更好的识别效果。 展开更多

关键词 目标识别 深度学习 栈式降噪稀疏自动编码器

在线阅读 下载PDF 职称材料

栈式降噪自编码器的标签协同过滤推荐算法 被引量：20

2

作者 霍欢 郑德原 +3 位作者 高丽萍 杨沪沪 刘亮 张薇 《小型微型计算机系统》 CSCD 北大核心 2018年第1期7-11,共5页

协同过滤推荐和基于内容的推荐是目前应用于推荐系统中的两种主流手段.传统的协同过滤模型存在着矩阵稀疏问题,基于内容的推荐又不能自动抽取深层特征,且两种推荐手段很难直接融合在一起,无法共同提升推荐系统的性能表现.充分利用了深... 协同过滤推荐和基于内容的推荐是目前应用于推荐系统中的两种主流手段.传统的协同过滤模型存在着矩阵稀疏问题,基于内容的推荐又不能自动抽取深层特征,且两种推荐手段很难直接融合在一起,无法共同提升推荐系统的性能表现.充分利用了深度学习模型能够深度挖掘内容隐藏信息的特性,将栈式降噪自编码器(SDAE)运用于基于内容的推荐模型中,并将其与基于标签的协同过滤算法结合在一起,提出DLCF(Deep Learning for Collaborative Filtering)算法.经过真实数据集的验证,DLCF算法能够很大程度上克服矩阵稀疏问题,在性能上优于传统推荐算法. 展开更多

关键词 推荐系统 协同过滤 深度学习 栈式降噪自编码器

在线阅读 下载PDF 职称材料

基于栈式去噪自编码器的遥感图像分类 被引量：12

3

作者 张一飞 陈忠 +1 位作者 张峰 欧阳超 《计算机应用》 CSCD 北大核心 2016年第A02期171-174,188,共5页

针对传统遥感图像分类方法难以取得更高精度的问题,提出一种根据深度学习思想的基于栈式去噪自编码器的遥感图象分类方法。首先,将多个去噪自编码器栈式叠加构成深度网络模型,用无监督的layer-wise方法由下至上训练每一层网络并在训练... 针对传统遥感图像分类方法难以取得更高精度的问题,提出一种根据深度学习思想的基于栈式去噪自编码器的遥感图象分类方法。首先,将多个去噪自编码器栈式叠加构成深度网络模型,用无监督的layer-wise方法由下至上训练每一层网络并在训练数据中加入噪声以得到更为稳健的特征表达;然后,通过反向传播(BP)神经网络对特征进行有监督学习并利用误差反向传播对整个网络参数进行进一步优化得到最终的模型;最后,利用国产高分一号遥感数据进行实验验证。基于栈式去噪自编码器的遥感图像分类方法的总体分类精度和kappa精度分别达到95.7%和95.5%,均高于传统的支持向量机(SVM)和BP神经网络的分类精度。实验结果表明,所提出的方法能有效提高遥感图像的分类精度。 展开更多

关键词 深度学习 栈式去噪自编码器 反向传播神经网络 遥感图像 地物分类

在线阅读 下载PDF 职称材料

基于栈式降噪自动编码器的建筑工程施工成本预测 被引量：15

4

作者 刘必君 叶雨辰 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第6期922-928,共7页

以高层建筑工程项目为例,对建筑工程施工成本影响因素进行可靠地识别和合理量化。基于深度学习下的栈式降噪自动编码器理论,结合神经网络,构建非线性工程项目的施工成本预测模型。通过实际案例在Matlab平台上进行仿真预测,实证了该方法... 以高层建筑工程项目为例,对建筑工程施工成本影响因素进行可靠地识别和合理量化。基于深度学习下的栈式降噪自动编码器理论,结合神经网络,构建非线性工程项目的施工成本预测模型。通过实际案例在Matlab平台上进行仿真预测,实证了该方法在预测建筑工程施工成本上的可靠性和精确性。 展开更多

关键词 建筑工程 施工成本 深度学习 栈式降噪自动编码器 预测

在线阅读 下载PDF 职称材料

基于栈式降噪自编码器的协同过滤算法 被引量：10

5

作者 周洋 陈家琪 《计算机应用研究》 CSCD 北大核心 2017年第8期2336-2339,共4页

针对协同过滤推荐准确性的现状进行了研究,提出一种基于栈式降噪自编码器的协同过滤算法。栈式降噪自编码器是一种典型的深度学习网络模型,具有强大的特征提取能力。用户对项目的评分作为输入,训练网络,学习出项目的隐含特征编码,用PCA... 针对协同过滤推荐准确性的现状进行了研究,提出一种基于栈式降噪自编码器的协同过滤算法。栈式降噪自编码器是一种典型的深度学习网络模型,具有强大的特征提取能力。用户对项目的评分作为输入,训练网络,学习出项目的隐含特征编码,用PCA对项目属性降维并计算属性相似性,结合隐性编码计算的相似性作为最终结果,根据最终的项目相似性产生top-N推荐列表。Movie Lens数据集的实验表明,该算法能够有效提升推荐结果的召回率,一定程度上解决了评分矩阵稀疏与项目之间没有共同用户评分就不能计算相似性的问题。 展开更多

关键词 推荐系统 协同过滤 深度学习 栈式降噪自编码器

在线阅读 下载PDF 职称材料

基于降噪自动编码器的不平衡情感分类研究 被引量：12

6

作者 秦胜君 卢志平 《科学技术与工程》 北大核心 2014年第12期232-235,共4页

目前,网络评论的情感分类研究大部分是不平衡样本数据,正向样本的数量一般远大于负向样本,对这种不平衡样本集进行分类时容易产生少数类误差较大的问题。而且由于网络评论的表达形式多变,不易获取到大量的有监督的数据。针对上述问题,... 目前,网络评论的情感分类研究大部分是不平衡样本数据,正向样本的数量一般远大于负向样本,对这种不平衡样本集进行分类时容易产生少数类误差较大的问题。而且由于网络评论的表达形式多变,不易获取到大量的有监督的数据。针对上述问题,对无监督的不平衡网络评论情感分类进行研究。首先通过改进降噪自动编码器,提高少数类的特征值,避免分类样本向多数类偏移。然后将获取的特征值作为k-means算法的输入值,实现了无监督的样本分类。实验证明,该算法对不平衡率较高的样本具有良好的适应性,从而验证了算法的有效性。 展开更多

关键词 情感分类 深度学习 降噪自动编码器 不平衡数据

在线阅读 下载PDF 职称材料

基于改进栈式降噪自编码器的控制系统故障诊断 被引量：3

7

作者 罗毅 赵聪杰 武博翔 《计算机应用与软件》 北大核心 2022年第7期89-94,127,共7页

为了提高控制系统故障检测和分类能力,提出核主成分分析(KPCA)与栈式降噪自编码(SDAE)神经网络相结合的控制系统故障诊断方法。利用KPCA对故障数据进行非线性数据处理,再把数据输入到SDAE神经网络中进行无监督训练,获取最优网络参数,以S... 为了提高控制系统故障检测和分类能力,提出核主成分分析(KPCA)与栈式降噪自编码(SDAE)神经网络相结合的控制系统故障诊断方法。利用KPCA对故障数据进行非线性数据处理,再把数据输入到SDAE神经网络中进行无监督训练,获取最优网络参数,以Softmax分类层作为输出层实现故障分类。该模型有效解决了控制系统中慢漂移故障特征不明显导致模型故障诊断准确率低的问题,提高了故障诊断精度。通过TE系统实验,验证了该算法的有效性和卓越性。 展开更多

关键词 控制系统 故障诊断 栈式降噪自编码器 核主成分分析 Softmax分类器

在线阅读 下载PDF 职称材料

基于栈式降噪自编码器的输变电设备状态数据清洗方法 被引量：61

8

作者 代杰杰 宋辉 +3 位作者 杨祎 陈玉峰 盛戈皞 江秀臣 《电力系统自动化》 EI CSCD 北大核心 2017年第12期224-230,共7页

针对当前输变电设备状态监测数据清洗过程繁琐,易造成信息丢失等问题,利用栈式降噪自编码器对"脏"数据的还原解析能力及异常状态特征提取能力,提出了一种基于栈式降噪自编码器的数据清洗方法。对设备正常工况及异常运行状态... 针对当前输变电设备状态监测数据清洗过程繁琐,易造成信息丢失等问题,利用栈式降噪自编码器对"脏"数据的还原解析能力及异常状态特征提取能力,提出了一种基于栈式降噪自编码器的数据清洗方法。对设备正常工况及异常运行状态数据分别利用栈式降噪自编码器进行训练学习,获取损失函数向量,形成奇异点、缺失数据修复模型和设备异常运行状态数据降噪模型。通过核密度估计确定训练样本损失函数上限和容限时窗,根据测试数据重构误差和异常数据时长与损失函数上限和容限时窗间的关系,对"脏"数据进行分类处理。对某变压器油色谱中总烃含量及某导线温度数据进行清洗,结果表明所提方法能有效辨识奇异点、缺失信息及异常运行状态数据,并对奇异点、缺失值进行修复重构。在设备异常运行时刻,可以有效过滤干扰数据。 展开更多

关键词 输变电设备 状态数据 数据清洗 栈式降噪自编码器 特征提取

在线阅读 下载PDF 职称材料

基于栈式去噪自动编码器的边际Fisher分析算法 被引量：4

9

作者 颜丹 蒋加伏 《计算机工程与应用》 CSCD 北大核心 2017年第5期134-139,共6页

特征学习是模式识别领域的关键问题。基于自动编码器的深度神经网络通过无监督预训练与有监督微调能够有效地提取数据中关键信息,形成特征。提出一种基于栈式去噪自编码器的边际Fisher分析算法,该算法将边际Fisher分析运用于有监督微调... 特征学习是模式识别领域的关键问题。基于自动编码器的深度神经网络通过无监督预训练与有监督微调能够有效地提取数据中关键信息,形成特征。提出一种基于栈式去噪自编码器的边际Fisher分析算法,该算法将边际Fisher分析运用于有监督微调阶段,进一步提升算法的特征学习能力。实验结果表明,该算法与标准的栈式去噪自编码器和基于受限玻尔兹曼机的深度信念网相比,具有更好的识别效果。 展开更多

关键词 特征学习 深度学习 人工神经网络 栈式去噪自动编码器 边际Fisher分析

在线阅读 下载PDF 职称材料

基于堆叠式降噪自动编码器和深度神经网络的风电调频逐步惯性智能控制 被引量：2

10

作者 王亚伦 周涛 +2 位作者 陈中 王毅 权浩 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第11期1477-1491,共15页

风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的... 风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的弊端,难以满足不同场景下快速提供最优控制效果的需求.为实现负荷扰动事件下风电调频的最优逐步惯性快速控制,引入深度学习算法,提出一种基于堆叠式降噪自动编码器(SDAE)和深度神经网络(DNN)的风电调频逐步惯性智能控制方法.首先,使用麻雀搜索算法获得最优参数,使用SDAE高效提取数据特征;随后,基于DNN对数据特征进行学习,并引入加速自适应矩估计优化网络参数,提升网络全局最优参数;最后,应用SDAE-DNN联合方法实现扰动事件后风电调频的逐步惯性在线控制.在IEEE 30节点测试系统中分别对单台风力机和风电场进行仿真分析,与传统方法、浅层反向传播神经网络及原始DNN所得结果对比发现,所提网络结构具有更优的预测精度和泛化能力,该方法能够实现良好的逐步惯性调频效果. 展开更多

关键词 逐步惯性控制 二次频率跌落 麻雀搜索算法 堆叠式降噪自动编码器 深度神经网络

在线阅读 下载PDF 职称材料

基于模糊函数等高线与栈式降噪自编码器的雷达辐射源信号识别 被引量：11

11

作者 普运伟 郭江 +1 位作者 刘涛涛 吴海潇 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第1期207-216,共10页

针对当前复杂体制雷达辐射源信号识别方法抗噪性能差、识别率低等问题,提出一种基于模糊函数等高线与栈式降噪自编码器的新识别方法。首先对辐射源信号的模糊函数进行高斯滤波并根据线性插值计算等高线,然后采用主成分分析方法降低其特... 针对当前复杂体制雷达辐射源信号识别方法抗噪性能差、识别率低等问题,提出一种基于模糊函数等高线与栈式降噪自编码器的新识别方法。首先对辐射源信号的模糊函数进行高斯滤波并根据线性插值计算等高线,然后采用主成分分析方法降低其特征维度,保留主要模糊能量信息,最后构建深度学习栈式降噪自编码器,学习并提取等高线深层、泛在的特征,并通过Softmax分类器进行分类识别。实验结果表明,该方法在信噪比为0 dB时对6类典型雷达信号的整体平均识别率均保持在99.83%以上,即便是在-6 dB环境中,识别率也可达到83.67%,验证了所提方法在极低信噪比条件下良好的性能和可行性。 展开更多

关键词 雷达辐射源信号 模糊函数 信号识别 深度学习 栈式降噪自编码器

在线阅读 下载PDF 职称材料

栈式降噪自编码器在辐射源信号识别中的应用 被引量：3

12

作者 叶文强 俞志富 +1 位作者 张奎 王虎帮 《空军工程大学学报（自然科学版）》 CSCD 北大核心 2019年第6期47-53,共7页

针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处... 针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处理后的图像输入到栈式降噪自编码器中,将提取的特征输入到softmax分类器中,完成分类识别。通过仿真表明:该系统在SNR=-10 dB的时候,识别率能够达到80%以上,在低信噪比的情况下,识别效果明显优于传统识别方法。 展开更多

关键词 雷达辐射源 短时傅里叶 图像预处理 栈式降噪自编码器 分类器

在线阅读 下载PDF 职称材料

用于域适应的多边缘降噪自动编码器 被引量：2

13

作者 杨帅 胡学钢 张玉红 《计算机科学与探索》 CSCD 北大核心 2019年第2期322-329,共8页

神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器(marginalized stacked denoising autoencoders,mSDA)作为一种神经网络模型,通过对源领域和目标领域数据进行边缘化加噪损坏,学习一个公共的、健壮的特征表示空间,从而... 神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器(marginalized stacked denoising autoencoders,mSDA)作为一种神经网络模型,通过对源领域和目标领域数据进行边缘化加噪损坏,学习一个公共的、健壮的特征表示空间,从而解决领域适应问题。然而,mSDA对所有的特征都采取相同的边缘化加噪处理方式,没有考虑到不同特征对分类结果的影响不同。为此,对特征进行区分性的噪音系数干扰,提出多边缘降噪自动编码器(multi-marginalized denoising autoencoders,M-MDA)。首先,利用改进的权重似然率(weighted log-likelihood ratio update,WLLRU)区分出领域间的共享和特有特征;然后,通过计算特征在两个领域的距离,对共享特征和特有特征进行不同方式的边缘化降噪处理,并基于单层边缘降噪自动编码器(marginalized denoising autoencoders,MDA)学习获取更健壮的特征;最后,对新的特征空间进行二次损坏以强化共享特征的比例。实验结果表明,该方法在跨领域情感分类方面优于基线算法。 展开更多

关键词 情感分类 跨领域 噪音 边缘堆叠降噪自动编码器(mSDA)

在线阅读 下载PDF 职称材料

无监督混阶栈式稀疏自编码器的图像分类学习 被引量：5

14

作者 杨东海 林敏敏 +1 位作者 张文杰 杨敬民 《计算机应用》 CSCD 北大核心 2019年第12期3420-3425,共6页

目前多数图像分类的方法是采用监督学习或者半监督学习对图像进行降维,然而监督学习与半监督学习需要图像携带标签信息。针对无标签图像的降维及分类问题,提出采用混阶栈式稀疏自编码器对图像进行无监督降维来实现图像的分类学习。首先... 目前多数图像分类的方法是采用监督学习或者半监督学习对图像进行降维,然而监督学习与半监督学习需要图像携带标签信息。针对无标签图像的降维及分类问题,提出采用混阶栈式稀疏自编码器对图像进行无监督降维来实现图像的分类学习。首先,构建一个具有三个隐藏层的串行栈式自编码器网络,对栈式自编码器的每一个隐藏层单独训练,将前一个隐藏层的输出作为后一个隐藏层的输入,对图像数据进行特征提取并实现对数据的降维。其次,将训练好的栈式自编码器的第一个隐藏层和第二个隐藏层的特征进行拼接融合,形成一个包含混阶特征的矩阵。最后,使用支持向量机对降维后的图像特征进行分类,并进行精度评价。在公开的四个图像数据集上将所提方法与七个对比算法进行对比实验,实验结果表明,所提方法能够对无标签图像进行特征提取,实现图像分类学习,减少分类时间,提高图像的分类精度。 展开更多

关键词 无监督学习 栈式自编码器 降维 混阶特征 图像分类

在线阅读 下载PDF 职称材料

栈式降噪自编码网络在变压器故障诊断中的应用 被引量：10

15

作者 许倩文 吉兴全 +2 位作者 张玉振 李军 于永进 《电测与仪表》 北大核心 2018年第17期62-67,共6页

为提高变压器故障诊断的准确率,提出了一种新型的变压器故障诊断网络,该网络以基于栈式降噪自编码网络为基础,把深度学习用在诊断变压器设备故障方面,建立深层网络模型,采取逐层贪婪编码的方式进行自适应的非监督式预训练,实现高维深层... 为提高变压器故障诊断的准确率,提出了一种新型的变压器故障诊断网络,该网络以基于栈式降噪自编码网络为基础,把深度学习用在诊断变压器设备故障方面,建立深层网络模型,采取逐层贪婪编码的方式进行自适应的非监督式预训练,实现高维深层故障特征的自适应提取和挖掘,进而使用反向传播算法对模型进行监督式微调。最后利用Softmax分类器,对故障进行分类输出。最后通过实例验证表明,提出的栈式降噪自编码网络能准确、有效地对变压器进行故障诊断,与传统方法相比,该方法提高了变压器故障诊断的准确率。 展开更多

关键词 变压器 故障诊断 深度学习 栈式降噪自编码 Softmax分类器

在线阅读 下载PDF 职称材料

基于EEMD-SE和栈式降噪自编码网络的局部放电模式识别 被引量：5

16

作者 张金水 蒋伟 薛乃凡 《计算机应用与软件》 北大核心 2021年第9期34-38,132,共6页

由于变电站环境复杂,利用传统的特征统计方法不能准确地提取局部放电(PD)信号的特征及对其识别分类。对此,提出一种基于集合经验模态分解(EEMD)和样本熵(SE)的局部放电信号特征提取方法。利用EEMD算法对局部放电信号进行时频分析;计算E... 由于变电站环境复杂,利用传统的特征统计方法不能准确地提取局部放电(PD)信号的特征及对其识别分类。对此,提出一种基于集合经验模态分解(EEMD)和样本熵(SE)的局部放电信号特征提取方法。利用EEMD算法对局部放电信号进行时频分析;计算EEMD分解得到的固有模态函数(IMF)的样本熵,并将其作为特征向量表征不同放电类型;采用栈式降噪自编码网络(SDAE)对放电类型进行分类识别。通过对四类局部放电故障进行特征提取和模式识别,对比实验结果表明,该方法能有效地提取放电信号的特征,并较准确地识别各类放电类型。 展开更多

关键词 局部放电 集合经验模态分解 样本熵 栈式降噪自编码器 特征提取 模式识别

在线阅读 下载PDF 职称材料

结合栈式自编码及长短时记忆的入侵检测研究 被引量：2

17

作者 林硕 安磊 +2 位作者 高治军 单丹 尚文利 《系统仿真学报》 CAS CSCD 北大核心 2021年第6期1288-1296,共9页

针对网络攻击越来越隐蔽,且具有智能化和复杂化的特点,浅层的机器学习已经无法及时应对,提出了一种基于SDAE(Stacked Denoising Autoencoder)和LSTM(Long Short-Term Memory)相结合的深度学习方法。通过堆叠深层的SDAE智能逐层抽取网络... 针对网络攻击越来越隐蔽,且具有智能化和复杂化的特点,浅层的机器学习已经无法及时应对,提出了一种基于SDAE(Stacked Denoising Autoencoder)和LSTM(Long Short-Term Memory)相结合的深度学习方法。通过堆叠深层的SDAE智能逐层抽取网络数据的分布规则,结合各个编码层的系数惩罚和重构误差对高维数据进行多样性异常特征提取。结合LSTM的记忆功能和强大的序列数据学习能力进行学习分类。在UNSW-NB15数据集上进行了实验,通过调整时间步长进行分析,实验结果表明,该模型具有检测准确率高、误报率低的优点。 展开更多

关键词 深度学习 入侵检测技术 栈式降噪自编码器 长短时记忆网络

在线阅读 下载PDF 职称材料

基于自编码组合特征提取的分类方法研究 被引量：6

18

作者 谷丛丛 王艳 +1 位作者 严大虎 纪志成 《系统仿真学报》 CAS CSCD 北大核心 2018年第11期4132-4140,共9页

针对自动编码器无监督训练过程中不能根据标签提取类别信息的问题,为提高识别准确率,提出栈式分类降噪自动编码器(Stacked Class Denoising Autoencoder, SCDAE)来获取类别信息,并使用自编码组合特征提取方法提取组合特征用于分类。该... 针对自动编码器无监督训练过程中不能根据标签提取类别信息的问题,为提高识别准确率,提出栈式分类降噪自动编码器(Stacked Class Denoising Autoencoder, SCDAE)来获取类别信息,并使用自编码组合特征提取方法提取组合特征用于分类。该方法构建栈式降噪自动编码器(Stacked Denoising Autoencoder, SDAE)和SCDAE;微调SDAE和SCDAE形成组合模型(Combined Model, CM);使用CM提取包含输入数据主要信息和类别信息的组合特征进行分类。选取MNIST和USPS手写体识别库进行测试,实验结果表明,该方法可以有效提取特征,提高识别准确率。 展开更多

关键词 栈式降噪自动编码器 栈式分类降噪自动编码器 类别信息 组合特征

在线阅读 下载PDF 职称材料

深度学习在遥感影像分类中的研究进展 被引量：38

19

作者 付伟锋 邹维宝 《计算机应用研究》 CSCD 北大核心 2018年第12期3521-3525,共5页

随着遥感技术和计算机技术的不断发展,传统的遥感影像分类方法已不能满足如今遥感影像分类的需求。近年来,随着深度学习方面研究成果的不断涌现,它给遥感影像的分类提供了一种新的思路和方法。首先概述了遥感影像分类的发展和深度学习... 随着遥感技术和计算机技术的不断发展,传统的遥感影像分类方法已不能满足如今遥感影像分类的需求。近年来,随着深度学习方面研究成果的不断涌现,它给遥感影像的分类提供了一种新的思路和方法。首先概述了遥感影像分类的发展和深度学习的基本概念,然后重点介绍了基于深度置信网、卷积神经网络和栈式自动编码器等深度学习模型在遥感影像分类中的研究进展,最后提出了目前研究中存在的问题及遥感影像分类的发展趋势。 展开更多

关键词 深度置信网 卷积神经网络 栈式自动编码器 遥感影像分类 深度学习

在线阅读 下载PDF 职称材料

基于BERT的不完全数据情感分类 被引量：9

20

作者 罗俊 陈黎飞 《计算机应用》 CSCD 北大核心 2021年第1期139-144,共6页

不完全数据,如社交平台的互动信息、互联网电影资料库中的影评内容,广泛存在于现实生活中。而现有情感分类模型大多建立在完整的数据集上,没有考虑不完整数据对分类性能的影响。针对上述问题提出基于BERT的栈式降噪神经网络模型,用于面... 不完全数据,如社交平台的互动信息、互联网电影资料库中的影评内容,广泛存在于现实生活中。而现有情感分类模型大多建立在完整的数据集上,没有考虑不完整数据对分类性能的影响。针对上述问题提出基于BERT的栈式降噪神经网络模型,用于面向不完全数据的情感分类。该模型由栈式降噪自编码器(SDAE)和BERT两部分组成。首先将经词嵌入处理的不完全数据输入到SDAE中进行去噪训练,以提取深层特征来重构缺失词和错误词的特征表示;接着将所得输出传入BERT预训练模型中进行精化以进一步改进词的特征向量表示。在两个常用的情感数据集上的实验结果表明,所提方法在不完全数据情感分类中的F1值和准确率分别提高了约6%和5%,验证了所提模型的有效性。 展开更多

关键词 不完全数据 情感分类 BERT 栈式降噪自编码器 预训练模型

在线阅读 下载PDF 职称材料