采用无监督学习算法与卷积的图像分类模型

为了提高图像分类精度,降低训练复杂度,提出一种采用无监督学习算法与卷积构造的图像分类模型.首先,从输入无标签图像中随机抽取大小相同的图像块构成数据集,进行预处理.其次,将预处理后的图像块通过两次K-means聚类算法提取字典,并采用离散卷积操作提取最终图像特征.最后,采用Softmax分类器对提取的图像特征进行分类,得出准确率.将该模型与卷积神经网络(CNN),Dropout CNN网络进行比较,结果表明:在对大规模高维图像分类上,文中模型具有分类精确度高、简单、训练参数少、适应度高等优点.     

稀土锰氧化物低场磁电阻效应

掺杂稀土锰氧化物是典型磁性半导体钙钛矿氧化物。其庞磁电阻(CMR)效应代表了过去10年凝聚态物理探索的电子强关联主要体系之一。同时在自旋电子学中有着潜在的应用前量．要实现自旋电子学应用，必须大幅度提高稀土锰氧化物低场磁电阻效应(LFMR)并深刻理解与此相关的物理问题．本将阐述LFMR产生的基本原理和研究现状。讨论低场磁电阻效应的理论模型和增强低场磁电阻效应的方法．