MD-RBM神经网络模型及其在材料微结构中聚类研究

• 作者: 储节磊 吕俊营 张永盛 杜金树 钱泳霖 马普欢
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: MD距离 MD-RBM 聚类 材料微结构 成对约束
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 155-162
• 页数: 8页
• 分类号: TP391
• 字数: 4785字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.06.030

摘要

在传统的RBM神经网络的基础上提出一种新颖的MD-RBM神经网络模型用于超高碳钢微结构高维图像数据的特征学习.该模型利用新的乘法距离(MD)取代欧式距离以计算高维图像数据之间的距离关系,有效缓解欧式距离在高维数据中的不稳定性问题.MD-RBM神经网络模型利用少量的成对约束监督信息引导其编码过程,使得一部分图像数据的隐藏层特征更加聚集在一起,而且同时使得一部分图像数据的隐藏层特征更加分散,由此得到高维图像数据的隐藏层特征表现出很好的聚类性能.实验选择两种经典聚类算法Affinity Propaga-tion (AP)和Spectral Clustering(SC)作为对比,结果显示,基于MD-RBM模型的聚类识别算法比原始聚类算法、半监督算法以及基于RBM模型的聚类算法都表现出更优的聚类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	储节磊	西南交通大学信息科学与技术学院	5	20	2.0	4.0
5	张永盛	西南交通大学力学与工程学院	1	0	0.0	0.0
6	杜金树	西南交通大学力学与工程学院	1	0	0.0	0.0
7	马普欢	西南交通大学力学与工程学院	1	0	0.0	0.0
8	吕俊营	西南交通大学力学与工程学院	1	0	0.0	0.0
9	钱泳霖	西南交通大学力学与工程学院	1	0	0.0	0.0