|
|
1.
无监督混阶栈式稀疏自编码器的图像分类学习
杨东海, 林敏敏, 张文杰, 杨敬民
计算机应用
2019, 39 (12):
3420-3425.
DOI: 10.11772/j.issn.1001-9081.2019061107
目前多数图像分类的方法是采用监督学习或者半监督学习对图像进行降维，然而监督学习与半监督学习需要图像携带标签信息。针对无标签图像的降维及分类问题，提出采用混阶栈式稀疏自编码器对图像进行无监督降维来实现图像的分类学习。首先，构建一个具有三个隐藏层的串行栈式自编码器网络，对栈式自编码器的每一个隐藏层单独训练，将前一个隐藏层的输出作为后一个隐藏层的输入，对图像数据进行特征提取并实现对数据的降维。其次，将训练好的栈式自编码器的第一个隐藏层和第二个隐藏层的特征进行拼接融合，形成一个包含混阶特征的矩阵。最后，使用支持向量机对降维后的图像特征进行分类，并进行精度评价。在公开的四个图像数据集上将所提方法与七个对比算法进行对比实验，实验结果表明，所提方法能够对无标签图像进行特征提取，实现图像分类学习，减少分类时间，提高图像的分类精度。
参考文献 |
相关文章 |
多维度评价
|
|
