基于改进的稀疏降噪自编码网络的三维模型识别方法

• 作者: 刘钢 王慧 王新颖
• 来源期刊: 吉林大学学报（理学版）
• 学科: 工学
• 关键词: 三维模型识别 稀疏降噪自编码 softmax分类器
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 计算机科学
• 页码范围: 669-675
• 页数: 7页
• 分类号: TP391
• 字数: 3293字
• 语种: 中文
• DOI: 10.13413/j.cnki.jdxblxb.2018.03.33

摘要

针对海量数据挖掘中三维模型特征识别准确率较低的问题,提出一种改进的稀疏降噪自编码神经网络模型.先基于改进的稀疏降噪自编码方法构建深度神经网络模型,再利用无监督预训练方法及受限的拟牛顿计算方法对自编码神经网络进行训练,最后采用softmax回归和得到的特征训练最终的分类器.结果表明:该方法对有噪声的三维模型特征信息具有较好的鲁棒性;与栈式自编码神经网络和自学习神经网络相比,该方法识别率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘钢	长春工业大学计算机科学与工程学院	23	98	5.0	9.0
2	王新颖	长春工业大学计算机科学与工程学院	10	17	3.0	3.0
3	王慧	长春工业大学计算机科学与工程学院	7	8	2.0	2.0