基于深度特征与非线性降维的图像数据集可视化方法

• 作者: 张亚非 徐玉龙 李阳 王家宝 苗壮
• 来源期刊: 计算机应用研究
• 关键词: 数据可视化 深度学习 非线性降维 卷积神经网络
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 图形图像技术
• 页码范围: 621-625
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.02.066

摘要

为了降低传统高维图像数据降维可视化带来的损失,提高数据可视化的效果,提出了一种基于深度特征与非线性降维相结合的图像数据集可视化方法.该方法首先设计并训练了一个卷积神经网络模型,模型在MNIST手写体图像数据集上取得了单模型最高的识别精度;其次,利用该高精度模型抽取图像数据的深度中间层特征,将该深度特征作为图像数据的有效表示;最后针对深度特征使用非线性降维方法将数据最终降低为二维,实现数据可视化.实验结果表明,该方法能够有效降低传统图像降维可视化方法中降维损失所带来的误差,可视化效果十分明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张亚非	解放军理工大学指挥信息系统学院	55	661	13.0	23.0
2	苗壮	解放军理工大学指挥信息系统学院	30	266	8.0	15.0
3	李阳	解放军理工大学指挥信息系统学院	18	91	6.0	9.0
4	王家宝	解放军理工大学指挥信息系统学院	13	82	6.0	8.0
5	徐玉龙	解放军理工大学指挥信息系统学院	11	83	7.0	9.0