-
题名基于栈式去噪自编码器的遥感图像分类
被引量：12
- 1
-
-
作者
张一飞
陈忠
张峰
欧阳超
-
机构
华中科技大学自动化学院
-
出处
《计算机应用》
CSCD
北大核心
2016年第A02期171-174,188,共5页
-
文摘
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。
-
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
-
Keywords
deep learning
Stacked Denoising AutoEncoder （SDAE）
Back Propagation （BP） neural network
remote sensing image
land cover classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
TP751.1
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于混合深度神经网络的异常检测方法
- 2
-
-
作者
邱鹏
刘汉忠
黄晓华
-
机构
南京工程学院计算机工程学院
南京工程学院先进工业技术研究院
-
出处
《实验室研究与探索》
CAS
北大核心
2023年第9期73-77,共5页
-
基金
国家自然科学基金面上项目(62076122)
南京工程学院先进工业技术研究院开放基金(XJY202112)。
-
文摘
为提高监控与数据采集中的异常检测精度和效率,对数据进行归一化特征标准、拆分、均衡以及独热编码等预处理,构建栈式稀疏去噪自编码器深度神经网络模型作为混合深度神经网络,重建网络模型中自编码器的输入特征值,进行无监督特征学习,再添加监督分类器。通过训练异常检测引擎模块来完成异常检测。仿真结果表明,在检测异常攻击特征上,无论是精度与召回率协调值还是假阳性率相较于其他检测算法都更有优势;采用分布式训练模型提高了异常检测效率,证明本方法可行且有效。
-
关键词
混合深度神经网络
无监督特征学习
栈式稀疏去噪自编码器
监督分类器
异常检测
-
Keywords
hybrid deep neural networks
unsupervised feature learning
stacked sparse de-noising auto-encoder
supervised classifier
anomaly detection
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于边缘云框架的高效安全人脸表情识别
被引量：1
- 3
-
-
作者
张娴静
褚含冰
刘鑫
-
机构
郑州工业应用技术学院信息工程学院
中南大学商学院
-
出处
《计算机工程与设计》
北大核心
2021年第5期1472-1478,共7页
-
基金
河南省科技厅科技攻关计划基金项目(162102210119、182102310961、172102210532)。
-
文摘
针对物联网环境下数据量大且人脸表情识别率低的问题,提出基于边缘云框架的高效安全人脸表情识别方法。物联网设备通过多秘密共享技术获取用户信息,并分发到不同的边缘云。边缘云利用语谱图和局部二值模式的方法提取语音特征,采用差值中心对称局部二值模式获得图像特征,将特征送至核心云。基于栈式稀疏去噪自编码器融合语音和图像特征,实现人脸表情的识别,并在RML和eNTERFACE’05数据库上进行实验。实验结果表明,该方法的识别准确率明显高于对比方法,抵御网络攻击的能力较强。
-
关键词
边缘云框架
多秘密共享技术
差值中心对称局部二值模式
人脸表情识别
栈式稀疏去噪自编码器
-
Keywords
edge cloud framework
multi secret sharing technology
difference centrosymmetric local binary pattern
facial expression recognition
trestle sparse denoising self-encoder
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
