基于自动编码机的特征学习算法及应用研究

发布时间：2021-02-28 02:04

　　随着信息技术的快速发展,深度学习成了一个热门的话题,自动编码机作为深度学习中较典型的模型之一也得到了广泛的研究。自动编码机作为一种有效的特征学习算法,能够提取数据的本质特征。本文主要将自动编码机提取的特征用于识别及分类,通过识别及分类应用的准确率判断自动编码机的特征学习能力。本文主要从以下三个方面研究:（1）手写字体识别技术是字符识别领域中的一个重要分支。由于手写字体的边缘轮廓差异大,特征比较明显,本文提出了一种雅克比稀疏自动编码机（Jacobian regularized sparse auto-encoders,JSAE）,通过在自动编码机中加入稀疏约束项,使得改进后的自动编码机提取出手写字体数据的隐藏结构,通过在自动编码机中加上雅可比正则项,使得改进后的自动编码机有效描述数据点的边缘特征,提高自动编码机算法的特征学习能力,更准确地提取出样本的本质特征。因而通过加入约束项和正则项提高了手写字体识别的准确度,该算法在MNIST、USPS和Pen Digits手写字体数据集上都有较好的分类准确度。（2）针对传统的深度自动编码机进行反向传播调整权值时时间复杂度高、易产生梯度消失的问题,提... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

PenDigits数据集下不同和的影响

USPS数据集下不同和的影响

ISOLET数据集下不同和的影响

【参考文献】：
期刊论文
[1]基于稀疏自编码器和SVM的垃圾短信过滤[J]. 王贵新,彭娟,郑孝宗,张小川.  现代电子技术. 2016(17)
[2]基于降噪自动编码器的中文新闻文本分类方法研究[J]. 刘红光,马双刚,刘桂锋.  现代图书情报技术. 2016(06)
[3]基于改进堆叠自动编码机的垃圾邮件分类[J]. 沈承恩,何军,邓扬.  计算机应用. 2016(01)
[4]基于深度学习的手写数字分类问题研究[J]. 宋志坚,余锐.  重庆工商大学学报(自然科学版). 2015(08)
[5]基于堆叠稀疏自动编码器的手写数字分类[J]. 林少飞,盛惠兴,李庆武.  微处理机. 2015(01)
[6]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[7]基于启发式GA-SVM的手写数字字符识别的研究[J]. 石会芳,胡小兵,刘瑞杰,叶剑英.  计算机技术与发展. 2012(10)
[8]组合结构特征的自由手写体数字识别算法研究[J]. 陈军胜.  计算机工程与应用. 2013(05)
[9]基于图像识别技术的手写数字识别方法[J]. 吴忠,朱国龙,黄葛峰,吴建国.  计算机技术与发展. 2011(12)
[10]手写数字识别的原理及应用[J]. 任丹,陈学峰.  计算机时代. 2007(03)

硕士论文
[1]基于稀疏自动编码器和边缘降噪自动编码器的深度学习算法研究[D]. 邓俊锋.武汉科技大学 2016
[2]基于深度学习的图像检索研究[D]. 马冬梅.内蒙古大学 2014
[3]支持向量机及其在手写数字识别中的应用[D]. 石会芳.重庆大学 2013



本文编号：3055144