标签约束的半监督栈式自编码器分类算法

摘要：

栈式自编码器通过逐层无监督学习能够表达数据的语义特征,但面对具体领域问题时其特征训练缺乏针对性,所处理的数据用于分类领域时易导致分类准确度低,稳定性差等问题.针对这些问题,提出了一种标签约束的半监督栈式自编码器(LSSAE),结合无监督学习与监督学习的优势,在有效抽取样本内在特征的同时保证特征训练目标化.引入的标签约束项,以监督学习的方式逐层比对实际标签与期望标签,针对性地调整网络参数,进一步提高分类准确率.为验证所提方法的有效性,实验中对多个数据集进行广泛测试,其结果表明,相对自编码器(AE),稀疏自编码器(SAE),以及深度信念网络(DBN)等,LSSAE明显提高分类准确率和稳定性.

关键词：栈式自编码器、分类、半监督学习、标签约束

所属期刊栏目：40

分类号：TP301(计算技术、计算机技术)

资助基金：国家自然科学基金项目61673193;中央高校基本科研业务费专项资金项目JUSRP51635B,JUSRP51510;中国博士后科学基金项目2017M621625;江苏省自然科学基金项目BK20150159

在线出版日期：2019-06-26（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：488-492