首页|基于稀疏自编码器和高斯混合模型的手写数据集分类

基于稀疏自编码器和高斯混合模型的手写数据集分类

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
深度学习模型训练需要大量的有标签数据进行训练,现实生活中数据大多没有标签,需要进行人工标注,对于小样本的训练存在过拟合现象,针对此问题,本文提出一种算法:首先采用稀疏编码器对数据进行降维处理,然后利用T-SNE算法继续将数据维度降低到二维空间,最后采用高斯混合模型对数据进行聚类分析.该算法采用无监督斱法,不需要预先对数据进行标签化.该算法对数据过拟合具有一定的泛化能力,在手写数据集的训练集取得0.89205的准确度,在测试集中取得0.896的精度.该算法为小样本的学习提供了新思路.
Mnist Classification Based on Sparse Autoencoder and Gaussian Mixture Model

马双宝、高梦圆、胡江宇、贾树林、董玉婕

展开 >

武汉纺织大学 机械工程与自动化学院,湖北 武汉 430200

稀疏自编码器 降维 T-SNE 高斯混合模型 卷积神经网络

2021

武汉纺织大学学报
武汉纺织大学

武汉纺织大学学报

影响因子：0.316
ISSN：2095-414X
年,卷(期)：2021.34(2)
  • 1
  • 2