咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >基于深度神经网络的多模态特征自适应聚类方法 收藏

基于深度神经网络的多模态特征自适应聚类方法

MULTI-MODAL FEATURE ADAPTIVE CLUSTERING METHOD BASED ON DEEP NEURAL NETOWRKS

作     者:敬明旻 Jing Mingmin

作者机构:中国石化石油工程技术研究院信息与标准化研究所北京100101 中国社会科学院数量经济与技术经济研究所北京100732 

出 版 物:《计算机应用与软件》 (Computer Applications and Software)

年 卷 期:2020年第37卷第10期

页      面:262-269页

学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)] 

基  金:国家工信部物联网重大专项基金项目(P16013) 

主  题:深度神经网络 多模态特征融合 模式识别 卷积神经网络 动态编码搜索 

摘      要:深度神经网络学习单模态特征的能力较强,而学习多模态特征的难度较大。针对这种情况,提出基于深度神经网络的多模态特征自适应分类算法。在训练阶段以预定的概率从每个模态选择部分代表信息进行融合,并且建模模式间的相关性。设计基于聚类的特征剪枝策略,减小网络的计算复杂度,通过正则化防止学习程序过拟合。利用动态编码搜索对超参数进行自适应地优化处理。采用自编码器和卷积神经网络分别对该算法进行验证,实现了较好的多模态特征分类效果,并且对数据缺失具有鲁棒性。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分