基于稀疏自编码器和高斯混合模型的
手写数据集分类

马双宝; 高梦圆; 胡江宇; 贾树林; 董玉婕

文章摘要

马双宝,高梦圆,胡江宇,贾树林,董玉婕.基于稀疏自编码器和高斯混合模型的手写数据集分类[J].纺织大学学报,2021,34(2):

基于稀疏自编码器和高斯混合模型的手写数据集分类

DOI：

中文关键词: 稀疏自编码器降维 T-SNE；高斯混合模型卷积神经网络

英文关键词:

基金项目:

作者	单位
马双宝	武汉纺织大学机械工程与自动化学院，湖北武汉 430200
高梦圆	武汉纺织大学机械工程与自动化学院，湖北武汉 430200
胡江宇	武汉纺织大学机械工程与自动化学院，湖北武汉 430200
贾树林	武汉纺织大学机械工程与自动化学院，湖北武汉 430200
董玉婕	武汉纺织大学机械工程与自动化学院，湖北武汉 430200

摘要点击次数: 494

全文下载次数: 445

中文摘要:

深度学习模型训练需要大量的有标签数据进行训练，现实生活中数据大多没有标签，需要进行人工标注，对于小样本的训练存在过拟合现象，针对此问题，本文提出一种算法：首先采用稀疏编码器对数据进行降维处理，然后利用 T-SNE 算法继续将数据维度降低到二维空间，最后采用高斯混合模型对数据进行聚类分析。该算法采用无监督斱法，不需要预先对数据进行标签化。该算法对数据过拟合具有一定的泛化能力，在手写数据集的训练集取得 0.89205 的准确度，在测试集中取得 0.896 的精度。该算法为小样本的学习提供了新思路。

英文摘要:

查看全文查看/发表评论下载PDF阅读器

关闭