稀疏和标签约束半监督自动编码器的分类算法

• 作者: 宋威 王慧玲 王晨妮
• 来源期刊: 计算机应用研究
• 关键词: 分类 稀疏约束 标签约束 自动编码器 极限学习机
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2613-2617
• 页数: 5页
• 分类号: TP183|TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.02.0147

摘要

自动编码器通过深度无监督学习能够表达数据的语义特征,但由于其隐含层节点个数难以有效确定,所处理的数据进一步用于分类时常会导致分类准确度低、稳定性弱等问题.针对这些问题,提出了一种稀疏和标签约束的半监督自动编码器(SLRAE),以实现无监督学习与监督学习的有机结合,更准确地抽取样本的本质特征.稀疏约束项针对每个隐含节点的响应添加约束条件,从而在隐含神经元数量较多的情况下仍可发现数据中潜在的结构;同时引入标签约束项,以监督学习的方式比对实际标签与期望标签,针对性地调整网络参数,进一步提高分类准确率.为验证所提方法的有效性,实验中对多个数据集进行广泛测试,其结果表明,相对传统自动编码器(AE)、稀疏自动机(SAE)以及极限学习机(ELM),SLRAE所处理的数据应用于同一分类器,能明显提高分类准确率和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋威	江南大学物联网工程学院	44	158	8.0	10.0
3	王晨妮	江南大学物联网工程学院	5	2	1.0	1.0
5	王慧玲	江南大学物联网工程学院	3	7	1.0	2.0