特征聚类自适应变组稀疏自编码网络及图像识别

• 作者: 田进 肖汉雄 陈秀宏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 自编码 组Lasso 特征聚类 自适应
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形与图像
• 页码范围: 1858-1866
• 页数: 9页
• 分类号: TP391.41
• 字数: 6583字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.10.019

摘要

由于缺乏先验信息,组Lasso模型在训练时仅是基于组数参数对单元进行均匀、连续、固定的分组,缺乏分组依据,容易造成变量组结构的有偏估计.为此,提出特征聚类自适应变组稀疏自编码网络模型,在迭代过程中使用特征聚类法来改变隐层单元的分组,使得分组能够随着特征的收敛而自适应地发生改变,从而更好地实现变量组结构的估计.实验表明,该模型能够很好地捕捉训练过程中出现的组相关信息,并在一定程度上提高图像的分类识别率.

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	肖汉雄	江南大学数字媒体学院	2	1	1.0	1.0
3	田进	江南大学数字媒体学院	5	26	1.0	5.0