基于深度自动编码器的小麦种子聚类识别方法

• 作者: 刘赛雄 耿霞 陆虎
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 小麦 自动编码器 聚类 农业数据分析 机器学习
• 年，卷（期）: 2020,（3）
• 页码范围: 294-300
• 页数: 7页
• 分类号: TP391
• 字数: 5774字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2020.03.008

摘要

为了实现利用人工智能或机器学习方法提高农业生产效率,针对农业数据分析中特征提取和类别识别的问题,构建了一个基于深度神经网络的自动编码器,该网络不仅能够分析农业数据的固有属性特征,还能自动学习潜在的高级特征.通过在自动编码器中引入了一个高斯核聚类模块,提出了一个新的损失函数反向调节整个网络训练,使其逐步实现聚类的结果,最终实现了一种新的基于自动编码器的高斯核模糊聚类方法(AE-KFC).该聚类方法是一种基于自动编码器的端到端深度神经网络学习方法.最后在农业小麦种子的数据集上进行了试验测试,相比其他的一些聚类算法,提出的聚类算法取得了较好的性能结果.结果表明:新型的机器学习算法有助于提高农业数据分析的效果,具有广泛的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	耿霞	江苏大学计算机科学与通信工程学院	14	66	5.0	7.0
2	陆虎	江苏大学计算机科学与通信工程学院	12	102	4.0	10.0
3	刘赛雄	江苏大学计算机科学与通信工程学院	1	0	0.0	0.0