10.16208/j.issn1000-7024.2022.04.014
基于W距离自编码器半监督生成模型
针对现有的半监督深度分类模型未能很好学习到逼近总体数据分布的问题,提出一种基于Wasserstein自编码器深度生成模型改进的半监督深度分类算法WCVAE.在设置优化目标时考虑样本集全体示例的边际分布和有标签样本的条件分布,利用Wasserstein距离对模型拟合分布与真实数据分布之间的距离进行度量,学习到更加复杂的高维分布,使分类器学习到原数据的总体分布.实验结果表明,WCVAE在经典数据集上相较于现有方法,具有更好的质量.
半监督学习、自编码器、深度生成模型、分类机器学习、Wasserstein距离
43
TP305(计算技术、计算机技术)
教育部中国高校产学研创新基金;湖北省技术创新专项重大基金项目;湖北省科技重大专项基金项目;武汉市科技计划应用基础前沿基金项目;中南民族大学研究生创新基金项目
2022-04-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
1002-1007