基于深度学习的边际Fisher分析特征提取算法
提取符合数据分布结构的特征一直是模式识别领域的热点问题.基于固定核映射方法具有获取非线性特征的能力,但对映射函数类型及其参数十分敏感.论文提出一种基于多层自动编码器的特征提取算法,该深度学习网络模型的训练分为无监督预训练以及基于边际 Fisher 准则的监督式精雕训练过程.通过数据生成性预训练和精雕过程中正则化手段防止过拟合训练.在多个数据集进行分类的实验结果进一步验证算法的有效性.
模式识别、特征提取、深度学习、自动编码器、边际Fisher分析
TP391.4(计算技术、计算机技术)
2013-05-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
805-811