基于深度稀疏自编码网络的植物叶片分类

来源 :南昌大学学报(理科版) | 被引量 : 2次 | 上传用户:sunbody
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对传统机器学习方法对植物叶片图像分类识别率不高的问题,探讨了基于深度稀疏自编码网络(Deep Sparse Autoencoder Network,DSAN)的植物叶片分类研究。自动编码器通过编码和解码重构输入数据,对植物叶片进行分层特征学习,在自动编码器上添加稀疏限制,对隐含层神经元进行压缩,从而学习到更高层的隐含特征用于分类,解决了因选取的特征表达不足导致网络模型分类性能不佳的问题。实验采用公开的植物叶片图像数据库MalayaKew(MK)作为研究对象,该数据集包含44类植物。将预处理之后的叶
其他文献
按照<阜新市经济转型实施方案>及<阜新市经济转型水资源配置方案>要求,本项目在2003年节水灌溉工程建设的基础上,2004年计划继续对1.5万栋日光温室大棚建设水源工程并配套节
作为《汽车观察》杂志最早的读者之一,沈健从四个方面评价了中国汽车零部件业在国际上的优劣势。在2005年《汽车观察》杂志刚刚创刊时,当时任职于西门子威迪欧汽车电子中国总
后疫情时期,"先行者"的创新举措不应该只是一条思路,整个汽车行业需做出多元、纵深、革命性的改变。面对汽车行业的巨大变化,下一步,车企又该如何持续创新?7月24日,寰球汽车
本文对开放式地理信息系统的概念及特点、实现进行了论述,并以此为基础,探讨了基于ActiveX技术的GIS平台。利用此类GIS平台,结合校园信息的特点,使用面向对象的方法,抽象出校园图、楼、楼层、房间等通用概念,基于视图与视图配置的模型,开发出校园地理信息系统软件。实践证明,采用这种技术能缩短地理信息系统软件的开发周期,提高软件的可扩展性。