稀疏自编码和Softmax回归的快速高效特征学习

• 作者: 徐德荣 田进 陈秀宏
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 稀疏自编码 Softmax回归 特征学习 图像分类 随机梯度下降
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 研究与探讨
• 页码范围: 55-58
• 页数: 4页
• 分类号: TP391.4
• 字数: 3637字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2017)05-0055-04

摘要

针对特征学习效果与时间平衡问题,提出了一种快速高效的特征学习方法.将稀疏自编码和Softmax回归组合成一个新的特征提取模型,在提取原始图像潜在信息的基础上,利用多分类器返回值可以反映输入信息的相似程度的特点,快速高效的学习利于分类的特征向量.鉴于标签信息已知,该算法在图像分类效果上明显优于几种典型的特征学习方法.为了使所提算法具有更好的泛化能力,回归模型的损失函数中加入了L2范数防止过拟合,同时,采用随机梯度下降的方法得到模型的最优参数.在4个标准数据集上的测试结果表明该算法是有效可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈秀宏	江南大学数字媒体学院	90	480	12.0	17.0
2	田进	江南大学数字媒体学院	5	26	1.0	5.0
3	徐德荣	江南大学数字媒体学院	3	25	1.0	3.0