| 一种融合AutoEncoder与CNN的混合算法用于图像特征提取* |
| |
| 作者姓名： | 刘兴旺 王江晴 徐科 |
| |
| 作者单位： | 中南民族大学 计算机科学学院,中南民族大学 计算机科学学院,中南民族大学 计算机科学学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(60975021,女书规范化及识别技术研究); 教育部-中国移动科研,教育云规模化应用示范(MCM20121061),海量教育资源云存储与获取关键技术研究与实现(MCM20121041) |
| |
| 摘 要： | 深度学习方法表现出来了非常优异的特征提取能力,本文针对传统特征提取方法需要先验知识的不足,提出了一种 AutoEncoder与Convolutional Neural Networks(CNN)相结合的深度学习特征提取方法;给AutoEncoder加入一种快速稀疏性控制方法,用来训练出基本构件,并初始化CNN的卷积核;给CNN网络加入了滤波机制,使输出特征保持稀疏性。实验指出,在Minist手写数字库上,本文方法取得了误差率为5.07%的较好结果,实验进一步通过交叉验证t检验指出,加入滤波机制的特征提取模型优于没有加滤波机制的模型。
|
| 关 键 词： | 深度学习 Convolutional Neural Networks AutoEncoder 滤波 稀疏 |
| 收稿时间： | 2016-10-16 |
| 修稿时间： | 2017-12-19 |
|
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
