《计算机应用研究》|Application Research of Computers

基于改进图正则项的自编码器特征学习算法

Feature learning method based on improved graph regularized auto-encoder

免费全文下载 (已被下载 次)  
获取PDF全文
作者 吴文彬,周伟,唐东明,黄凯荣
机构 西南民族大学 计算机科学与工程学院
统计 摘要被查看 次,已被下载
摘要 传统的图正则化方法使用欧式距离度量样本空间的相似度,并不能准确考察复杂数据集的邻域信息,容易导致模型在复杂形状数据和非凸数据集中的泛化性能下降。提出一种改进的图正则算法,使用等距特征映射保留样本空间的邻域信息,帮助模型进行流形学习,同时结合使用KL约束进一步使得数据表示的外部结构变得光滑,从而捕获到更稀疏和高级的特征表示。在MNIST和YaleB等数据集上的实验结果表明,相比于流行的几种特征提取算法,该算法能够提取到更有意义和稳健的特征。在分类任务和聚类任务上具有优势,同时具有更好的抗干扰性能。
关键词 特征表示;图正则;流形学习;自编码器;KL散度;鲁棒性;无监督学习
基金项目 四川省科技计划资助(2019YFG0207)
西南民族大学2021年研究生"创新型科研项目"(CX2021SZ51)
本文URL http://www.arocmag.com/article/02-2022-01-015.html
收稿日期
修回日期
页码 -
中图分类号 TP391.1
文献标志码