基于(2D)~2PCA的受限玻尔兹曼机图像分类算法及其并行化实现 |
| |
引用本文: | 宋海峰,陈广胜,景维鹏,杨巍巍.基于(2D)~2PCA的受限玻尔兹曼机图像分类算法及其并行化实现[J].应用科学学报,2018(3). |
| |
作者姓名: | 宋海峰 陈广胜 景维鹏 杨巍巍 |
| |
作者单位: | 东北林业大学信息与计算机工程学院;黑龙江工程学院计算机科学与技术学院;哈尔滨工程大学计算机科学与技术学院 |
| |
摘 要: | 为解决受限玻尔兹曼机(restricted Boltzman machine,RBM)理论对高分辨率图像分类的时间复杂度高的问题,提出了一种基于双向二维主成分分析(two-way 2-dimension principal component analysis,(2D)~2PCA)的RBM图像分类算法.该算法首先应用(2D)~2PCA对待处理图像在X和Z两个方向上进行降维处理,从而提取出图像的主成分,将主成分作为RBM网络可见层的输入数据,应用对比散度算法训练构建玻尔兹曼机网络,达到对图像进行分类的目的.该算法有效解决了RBM处理高分辨率图像时网络训练速度慢,甚至整个网络训练状态无法收敛的问题.通过在Hadoop并行数据处理平台的实验表明:该算法不仅能有效提高处理高分辨率图像的速度,而且具备良好的并行性,在具有4台处理机的并行集群下,其加速比达到了3.13.
|
本文献已被 CNKI 等数据库收录! |
|