-
题名一种基于改进的无监督深度学习自编码方法
被引量：3
- 1
-
-
作者
夏永泉
黄海鹏
王兵
支俊
-
机构
郑州轻工业学院计算机与通信工程学院
-
出处
《科技通报》
2018年第7期183-187,共5页
-
基金
国家自然科学基金项目(61302118)
河南省高校青年骨干教师资助计划项目(2010GGJS-114)
-
文摘
针对传统的Auto Encoder方法在全局特征提取上的高性能以及在图像识别上的重要性,本文提出了一种基于无监督局部深度特征学习的改进方法。首先对训练图像进行局部分块处理,其次采用Auto Encoder方法设计自编码网络进行深度训练,并使用费舍尔向量结合空间金字塔匹配算法进行特征提取,最后通过线性SVM分类器来提高图像识别的准确率。实验结果表明:在MNIST数据集上,本文改进方法运算速度更快,更节约内存,同时具有更低的错误率。与传统方法相比,本文改进方法具有更好的准确性,鲁棒性。
-
关键词
AutoEncoder
深度学习
费舍尔向量
空间金字塔匹配
图像识别
-
Keywords
AutoEncoder
deep learning
fisher vector
pyramid space match
image recognition
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
