计算机应用

作者：杨东海, 林敏敏, 张文杰, 杨敬民

单位：1. 闽南师范大学 计算机学院, 福建 漳州 363000;2. 福建省粒计算及其应用重点实验室(闽南师范大学), 福建 漳州 363000

关键词：无监督学习,栈式自编码器,降维,混阶特征,图像分类

基金：国家自然科学基金资助项目（61701213）；福建省省属高校科研专项资助项目（JK2017031）；教育部产学合作协同育人项目（201702098015，201702057020）；漳州市自然科学基金资助项目（ZZ2018J21）。

目前多数图像分类的方法是采用监督学习或者半监督学习对图像进行降维，然而监督学习与半监督学习需要图像携带标签信息。针对无标签图像的降维及分类问题，提出采用混阶栈式稀疏自编码器对图像进行无监督降维来实现图像的分类学习。首先，构建一个具有三个隐藏层的串行栈式自编码器网络，对栈式自编码器的每一个隐藏层单独训练，将前一个隐藏层的输出作为后一个隐藏层的输入，对图像数据进行特征提取并实现对数据的降维。其次，将训练好的栈式自编码器的第一个隐藏层和第二个隐藏层的特征进行拼接融合，形成一个包含混阶特征的矩阵。最后，使用支持向量机对降维后的图像特征进行分类，并进行精度评价。在公开的四个图像数据集上将所提方法与七个对比算法进行对比实验，实验结果表明，所提方法能够对无标签图像进行特征提取，实现图像分类学习，减少分类时间，提高图像的分类精度。

来源：2019年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第12期