采用无监督学习算法与卷积的图像分类模型

• 作者: 吕朦 李涛 王改华 袁国亮
• 来源期刊: 华侨大学学报（自然科学版）
• 关键词: K-means聚类 图像分类 卷积 卷积神经网络 Dropout
• 年，卷（期）: 2018,（1）
• 页码范围: 146-151
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.11830/ISSN.1000-5013.201703109

摘要

为了提高图像分类精度,降低训练复杂度,提出一种采用无监督学习算法与卷积构造的图像分类模型.首先,从输入无标签图像中随机抽取大小相同的图像块构成数据集,进行预处理.其次,将预处理后的图像块通过两次K-means聚类算法提取字典,并采用离散卷积操作提取最终图像特征.最后,采用Softmax分类器对提取的图像特征进行分类,得出准确率.将该模型与卷积神经网络(CNN),Dropout CNN网络进行比较,结果表明:在对大规模高维图像分类上,文中模型具有分类精确度高、简单、训练参数少、适应度高等优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李涛	湖北工业大学电气与电子工程学院	7	34	4.0	5.0
2	王改华	湖北工业大学太阳能高效利用湖北省协同创新中心	10	12	2.0	3.0
6	吕朦	湖北工业大学电气与电子工程学院	1	5	1.0	1.0
7	袁国亮	湖北工业大学电气与电子工程学院	1	5	1.0	1.0