极限学习机与自动编码器的融合算法研究

发布时间：2017-05-05 21:09

  本文关键词：极限学习机与自动编码器的融合算法研究，，由笔耕文化传播整理发布。

【摘要】：图像识别是人工智能的一个重要研究领域。近些年来,随着互联网当中图片数量的迅速增长,图像识别技术也受到了越来越多的关注。在图像识别领域中,对分类器的研究十分重要,分类器性能的好坏往往决定着一个实际应用的成功与否。在当今互联网大数据的时代背景下,深度学习的出现引起了学术界和工业界的广泛关注,也掀起了人们对深度学习理论及其应用的研究热潮。深度学习能够模仿人脑的内部结构,学习不同的知识,有效地解决多类复杂的智能问题。深度学习的多种算法已经被广泛的应用在各个研究领域。极限学习机是从单隐层的神经网络发展而来,具有简单有效、训练参数少和良好泛化性能等特点。它的出现解决了传统前馈神经网络算法学习参数过程相对繁琐的问题。之后,增量极限学习机、正则化极限学习机和核极限学习机等极限学习机的改进算法相继被提出,目前,国内外越来越多的科研人员将研究重心转移到了极限学习机的理论和应用研究当中。本文使用稀疏自动编码器与极限学习机和核极限学习机进行组合提出了两种具有深层神经网络结构的算法模型并将其应用在图像识别任务当中。两种算法模型分别是:栈式稀疏自动编码器-极限学习机和栈式稀疏自动编码器-核极限学习机,我们使用深度学习当中的特征学习方法去训练稀疏自动编码器组成栈式稀疏自动编码器,多层的稀疏自动编码器能够对原始输入数据进行特征学习,极限学习机和核极限学习机则用来对经过特征学习的数据表示进行识别分类。为了验证提出算法的性能,我们分别将两种算法在三个图像数据集上进行实验,实验结果证明,本文提出的算法模型结果不仅优于具有浅层结构的支持向量机、极限学习机和核极限学习机算法模型,而且还优于具有深层结构的栈式自动编码器、深度置信网络和栈式去噪自动编码器算法模型。
【关键词】：深度学习 极限学习机 稀疏自动编码器 图像识别
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP181;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-15
• 1.1 引言9
• 1.2 深度学习9-12
• 1.2.1 研究背景9-11
• 1.2.2 学习方法11-12
• 1.3 极限学习机12-13
• 1.4 本文的主要工作13-15
• 第2章 算法基础理论15-31
• 2.1 稀疏自编码器15-21
• 2.1.1 人工神经网络15-16
• 2.1.2 梯度下降和后向传播16-18
• 2.1.3 自动编码器18-19
• 2.1.4 稀疏自编码器19-21
• 2.2 支持向量机21-22
• 2.3 极限学习机22-26
• 2.3.1 极限学习机22-24
• 2.3.2 核极限学习机24-26
• 2.5 深度学习算法模型介绍26-30
• 2.5.1 栈式自动编码器26-27
• 2.5.2 栈式去噪自动编码器27
• 2.5.3 深度置信网络27-30
• 2.6 本章小结30-31
• 第3章 基于无监督特征学习的极限学习机算法改进31-35
• 3.1 栈式稀疏自动编码器-极限学习机32-33
• 3.2 栈式稀疏自动编码器-核极限学习机33-34
• 3.3 本章小结34-35
• 第4章 实验介绍与结果分析35-49
• 4.1 实验数据集35-37
• 4.2 实验说明和参数选取37-38
• 4.3 实验结果与分析38-48
• 4.3.1 ELM和SSAE-ELM的实验结果和分析38-43
• 4.3.2 KELM和SSAE-KELM的实验结果和分析43-44
• 4.3.3 SSAE-ELM和SSAE-KELM的结果比较44-46
• 4.3.4 不同算法模型之间的结果比较46-48
• 4.4 本章小结48-49
• 第5章 总结与展望49-51
• 5.1 研究总结49
• 5.2 未来工作49-51
• 参考文献51-54
• 致谢54

【相似文献】

中国期刊全文数据库 前4条

1 曲建岭;杜辰飞;邸亚洲;高峰;郭超然;;深度自动编码器的研究与展望[J];计算机与现代化;2014年08期

2 秦胜君;卢志平;;基于降噪自动编码器的不平衡情感分类研究[J];科学技术与工程;2014年12期

3 段宝彬;韩立新;;改进的深度卷积网络及在碎纸片拼接中的应用[J];计算机工程与应用;2014年09期

4 ;[J];;年期

中国硕士学位论文全文数据库 前4条

1 梁湘群;基于Gabor特征与深度自动编码器的笑脸识别方法[D];五邑大学;2015年

2 吴海燕;基于自动编码器的半监督表示学习与分类学习研究[D];重庆大学;2015年

3 林雨;极限学习机与自动编码器的融合算法研究[D];吉林大学;2016年

4 雒玉玺;稀疏自动编码器及其加速算法的研究[D];兰州大学;2014年

  本文关键词：极限学习机与自动编码器的融合算法研究，由笔耕文化传播整理发布。

本文编号：347095