10.13774/j.cnki.kjtb.2018.07.036
一种基于改进的无监督深度学习自编码方法
针对传统的AutoEncoder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AutoEncoder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.
AutoEncoder、深度学习、费舍尔向量、空间金字塔匹配、图像识别
34
TP181(自动化基础理论)
国家自然科学基金;河南省高等学校青年骨干教师资助计划
2019-03-20(万方平台首次上网日期,不代表论文的发表时间)
共5页
183-187