基于深度自动编码器的小麦种子聚类识别方法

发布时间：2023-09-21 18:54

　　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.

【文章页数】：7 页

【文章目录】：
1 相关算法
    1.1 FCM算法
    1.2 GKFCM算法
    1.3 自动编码器
2 文中算法
    2.1 网络架构
    2.2 学习策略
    2.3 自我表达层模块
3 试验结果及分析
    3.1 数据集
    3.2 试验设置
    3.3 试验比较与讨论
    3.4 参数分析
4 结 论



本文编号：3848200