带约束的半非负矩阵分解卷积网络算法及应用

• 作者: 黄昊楠
• 来源期刊: 电子世界
• 年，卷（期）: 2021,（13）
• 所属期刊栏目: 探索与观察
• 页码范围: 70-71
• 页数: 2页
• 语种: 中文

摘要

卷积神经网络已成功应用于图像分类.然而,训练传统的卷积网络模型需要花费大量的时间和计算内存.半非负矩阵分解(Semi-NMF)是一种学习数据集特征表示的有用算法.本文提出了一种新的用于模式分类的约束半NMF神经网络(GSNnet).GSNnet放弃了反向传播过程,采用半NMF学习卷积滤波器.这种方法极大地降低了网络复杂性.为了提高分类精度,我们还提出了图正则化约束图半NMF网络.此外,我们在应用中总是没有太多的数据来训练网络,如何能利用已知标签信息显得十分重要.为了处理上述情况,我们提出了一个标签约束的半NMF网络,它能够结合标签信息.通过实验比较了我们的方法与其他先进的图像分类任务模型.在STL-10数据集上的实验结果证明了我们方法的有效性.