基于空间信息的DBN图像分类快速训练模型

• 作者: 李倩 阳武 高强
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 深度信念网络 空间信息 图像分类 快速学习 LSMI算法
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 人工智能与仿真
• 页码范围: 549-558
• 分类号: TP18
• 语种: 中文

摘要

数据的指数级增长及算法本身的复杂性使深度信念网络(DBN)面临着学习效率问题.根据DBN的样本图像与空间信息无关的特点,建立 了 DBN图像分类快速训练模型,提出了基于多幅样本图像线性叠加合成思想的DBN图像分类算法—LSMI算法.利用信息熵理论,证明了样本图像与空间信息无关的特点,并以ORL库为依据进行了验证.根据正态历经性,提出了LSMI算法,并以COREL库和MIT库为仿真对象,与其他改进算法进行对比,从正确识别率和算法时间复杂度等指标,判断该算法的有效性.仿真结果表明LSMI算法在保证识别率不变的同时,大幅度降低了算法的训练时间,达到快速学习的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阳武	华北电力大学电气与电子工程学院	11	86	5.0	9.0
2	高强	华北电力大学电气与电子工程学院	89	895	16.0	25.0
3	李倩	华北电力大学电气与电子工程学院	23	142	7.0	11.0