本发明公开了一种基于叠加卷积稀疏自编码机的表示学习方法,其特包括以下步骤:1)设计和实现包括白化的重构独立成分分析算法,并将图像数据集作为输入,迭代优化学习其输出的重构矩阵,得到训练完成的稀疏自编码模型;2)构建半监督叠加稀疏自编码机模型对特征表示做训练;3)构建卷积模型从数据中提取块特征,应用卷积和池化操作生成卷积特征表示;4)将卷积稀疏自编码机进行叠加,对卷积特征表示进行进一步优化;5)用逻辑回归模型在图像数据集上训练分类器,并得到分类结果。本发明结合自编码机模型和卷积池化结构的特点,并利用大规模数据集中的少部分有标签数据,达到优化特征表示向量,提高图像数据集分类准确度。
声明:
“基于叠加卷积稀疏自编码机的表示学习方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)