一种基于改进的无监督深度学习自编码方法

摘要：

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.

关键词：AutoEncoder、深度学习、费舍尔向量、空间金字塔匹配、图像识别

所属期刊栏目：34

分类号：TP181(自动化基础理论)

资助基金：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

在线出版日期：2019-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：183-187