| 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: |
|
| 摘要点击次数: 1899 |
| 全文下载次数: 1305 |
| 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 |
|
|
|
