基于特征聚类的稀疏自编码快速算法

• 作者: 付丽华 付晓 杨迪威 沈远彤
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 深度学习 稀疏自编码器 特征提取 K均值聚类
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 1041-1046
• 页数: 6页
• 分类号: TP391
• 字数: 5598字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.05.003

摘要

稀疏自编码网络在自然语言、图像处理等领域都取得了显著效果.已有的研究表明增加网络提取的特征个数可以优化稀疏自编码网络的处理效果,同时该操作将导致网络训练耗时过长.为尽可能减少网络的训练时间,本文提出了一种基于特征聚类的稀疏自编码快速算法.本算法首先根据K均值聚类最优数确定本质特征的个数,再由网络训练得到本质特征,并通过旋转扭曲增加特征的多样性,使网络处理效果得到提升的同时,减少网络训练耗间.实验在标准的手写体识别数据库MNIST和人脸数据库CMU-PIE上进行,结果表明本文所提算法能在保证网络正确率有所提升的同时,大幅度缩短网络训练耗时.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨迪威	中国地质大学数学与物理学院	13	59	4.0	7.0
2	沈远彤	中国地质大学数学与物理学院	19	150	8.0	12.0
3	付丽华	中国地质大学数学与物理学院	25	101	6.0	9.0
4	付晓	中国地质大学数学与物理学院	2	5	1.0	2.0