期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于类编码的判别特征学习
1
作者 徐德荣 陈秀宏 田进 《计算机工程与科学》 CSCD 北大核心 2018年第3期555-563,共9页
经典的自编码模型(BAE、SAE、DAE、CAE)都是基于输出数据对原始数据的重构,提取输入信息的低维度特征,将该特征用于图像分类不一定能够取得很好的判别效果。利用标签信息,提出了堆叠判别自编码模型(SDcAE),该模型将类编码作为隐层神经... 经典的自编码模型(BAE、SAE、DAE、CAE)都是基于输出数据对原始数据的重构,提取输入信息的低维度特征,将该特征用于图像分类不一定能够取得很好的判别效果。利用标签信息,提出了堆叠判别自编码模型(SDcAE),该模型将类编码作为隐层神经元约束加入到堆叠自编码器的训练中,使得隐层学习的特征具有更好的判别能力。同时,将类编码作为判别损失加入到Softmax分类器中,提出了类编码分类器(CEC)。由于类间样本特征误差的降低,该分类器可以取得更好的训练效果,从而提高了最终分类的正确率。实验表明,堆叠判别自编码器和类编码分类器在图像分类中是有效可行的。 展开更多
关键词 编码 堆叠判别自编码 类编码分类器 图像分类
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部