基于类编码的判别特征学习

• 作者: 徐德荣 田进 陈秀宏
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 类编码 堆叠判别自编码 类编码分类器 图像分类
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 555-563
• 页数: 9页
• 分类号: TP391
• 字数: 6419字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.03.023

摘要

经典的自编码模型(BAE、SAE、DAE、CAE)都是基于输出数据对原始数据的重构,提取输入信息的低维度特征,将该特征用于图像分类不一定能够取得很好的判别效果.利用标签信息,提出了堆叠判别自编码模型(SDcAE),该模型将类编码作为隐层神经元约束加入到堆叠自编码器的训练中,使得隐层学习的特征具有更好的判别能力.同时,将类编码作为判别损失加入到Softmax分类器中,提出了类编码分类器(CEC).由于类间样本特征误差的降低,该分类器可以取得更好的训练效果,从而提高了最终分类的正确率.实验表明,堆叠判别自编码器和类编码分类器在图像分类中是有效可行的.

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	田进	江南大学数字媒体学院	5	26	1.0	5.0
3	徐德荣	江南大学数字媒体学院	3	25	1.0	3.0