基于改进的稀疏降噪自编码网络的三维模型识别方法 |
| |
引用本文: | 刘钢,王慧,王新颖.基于改进的稀疏降噪自编码网络的三维模型识别方法[J].吉林大学学报(理学版),2018,56(3):669-675. |
| |
作者姓名: | 刘钢 王慧 王新颖 |
| |
作者单位: | 长春工业大学 计算机科学与工程学院, 长春 130012 |
| |
摘 要: | 针对海量数据挖掘中三维模型特征识别准确率较低的问题, 提出一种改进的稀疏降噪自编码神经网络模型. 先基于改进的稀疏降噪自编码方法构建深度神经网络模型, 再利用无监督预训练方法及受限的拟牛顿计算方法对自编码神经网络进行训练, 最后采用softmax回归和得到的特征训练最终的分类器. 结果表明: 该方法对有噪声的三维模型特征信息具有较好的鲁棒性; 与栈式自编码神经网络和自学习神经网络相比, 该方法识别率较高.
|
关 键 词: | 稀疏降噪自编码 三维模型识别 softmax分类器 |
收稿时间: | 2017-05-11 |
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《吉林大学学报(理学版)》浏览原始摘要信息 |
| 点击此处可从《吉林大学学报(理学版)》下载免费的PDF全文 |
|