稀疏PCA网络：一种核自适应的卷积神经网络

• 作者: 司宁博 杨凌
• 来源期刊: 现代计算机：中旬刊
• 学科: 工学
• 关键词: 卷积神经网络 PCA 稀疏表达 自适应 图像分类
• 年，卷（期）: 2016,（10）
• 页码范围: 26-32
• 页数: 7页
• 分类号: TP183

摘要

卷积神经网络因其具有的能够处理高维数据和易于并行化的特点,近年来在图像处理相关问题中受到广泛应用。相比于目前所流行的使用大量图片集构建深层网络的设计方法,稀疏PCA网络更注重卷积核的构建。传统的卷积核构建方法需要大量计算时间或复杂的图像特征提取知识,稀疏PCA网络使用简单的PCA基向量来构建卷积核,并加入聚类步骤,从而引入自适应性与稀疏性。在结果上,稀疏PCA网络相比传统的PCANet在图像分类实验正确率上有所提高,相较于其他深度学习模型也获得了较好的结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨凌	兰州大学信息科学与工程学院	32	97	6.0	6.0
2	司宁博	兰州大学信息科学与工程学院	2	2	1.0	1.0