基于空间信息的DBN图像分类快速训练模型 |
| |
引用本文: | 高强,阳武,李倩.基于空间信息的DBN图像分类快速训练模型[J].系统仿真学报,2015(3):549-558. |
| |
作者姓名: | 高强 阳武 李倩 |
| |
作者单位: | 华北电力大学电气与电子工程学院 |
| |
摘 要: | 数据的指数级增长及算法本身的复杂性使深度信念网络(DBN)面临着学习效率问题。根据DBN的样本图像与空间信息无关的特点,建立了DBN图像分类快速训练模型,提出了基于多幅样本图像线性叠加合成思想的DBN图像分类算法—LSMI算法。利用信息熵理论,证明了样本图像与空间信息无关的特点,并以ORL库为依据进行了验证。根据正态历经性,提出了LSMI算法,并以COREL库和MIT库为仿真对象,与其他改进算法进行对比,从正确识别率和算法时间复杂度等指标,判断该算法的有效性。仿真结果表明LSMI算法在保证识别率不变的同时,大幅度降低了算法的训练时间,达到快速学习的目的。
|
关 键 词: | 深度信念网络 空间信息 图像分类 快速学习 LSMI算法 |
本文献已被 CNKI 等数据库收录! |
|