融合图嵌入的光滑主成分分析网络图像识别算法 |
| |
作者姓名: | 陈飞玥 朱玉莲 田甲略 蒋珂 |
| |
作者单位: | 南京航空航天大学计算机科学与技术学院,江苏南京 211106,南京航空航天大学公共实验教学部,江苏南京 211106 |
| |
基金项目: | 国家自然科学基金资助项目(61703206) |
| |
摘 要: | 主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。
|
关 键 词: | 图像识别 主成分分析网络 图嵌入 深度学习 小样本训练集 |
收稿时间: | 2021-06-20 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《国防科技大学学报》浏览原始摘要信息 |
|
点击此处可从《国防科技大学学报》下载全文 |
|