10.7688/j.issn.1000-1646.2018.03.17
自适应控制深度学习和知识挖掘图像分类
针对传统分类方法的局限性,提出了一种深度学习结合知识挖掘的零样本图像自适应控制图像分类算法.利用对图像属性的深度学习来实现图像深层次特征及属性的学习和预测,基于图像的属性 类别映射使分类器性能有较大差异,通过稀疏表示模型挖掘图像类别和属性之间的关系并设计自适应控制的属性分类器实现对图像的分类操作.结果表明,与DBN和SVM算法相比,在监督模式和零样本模式下,该算法具有较高的属性预测准确度.在零样本情况下对Shoes数据集进行分类时,该算法具有最高的准确分类识别率,比其他算法的分类识别率提高了15%.
深度学习、知识挖掘、卷积神经网络、图像分类、零样本、支持向量机、深度置信网络、分类器
40
TM343(电机)
河南省科技计划资助项目172102210117
2018-06-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
334-339