基于非线性嵌入的自联想神经网络

• 作者: 吴昊东
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 非线性嵌入 自联想神经网络 径向基函数 深度学习 模式识别
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 203-210,216
• 页数: 9页
• 分类号: TP391.4
• 字数: 7810字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.07.034

摘要

传统分类器常依赖于低维度子空间的特征进行分类,但仅在单个子空间下进行分类会因为不同类别的重叠而效果不佳.为此,提出一种基于流形学习的神经网络分类方法,利用非线性嵌入方法获得数据每个类的子空间,再使用非线性嵌入判别准则优化各个径向基函数自联想神经网络的参数.实验结果表明,该方法能有效解决类别重叠问题,分类准确率和鲁棒性高于传统分类方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴昊东	复旦大学计算机科学技术学院	1	1	1.0	1.0