【摘 要】
：
针对多层极端学习机(hierarchical extreme learning machine,HELM)对大样本数据集学习时容易发生过拟合现象且内存需求巨大的问题,提出一种基于最大相关熵准则的批量编码式
【机 构】
：
燕山大学 河北省特种光纤与光纤传感重点实验室,河北 秦皇岛066004;燕山大学 信息科学与工程学院,河北 秦皇岛066004;燕山大学 信息科学与工程学院,河北 秦皇岛,066004;燕山大学 电气
论文部分内容阅读
针对多层极端学习机(hierarchical extreme learning machine,HELM)对大样本数据集学习时容易发生过拟合现象且内存需求巨大的问题,提出一种基于最大相关熵准则的批量编码式多层极端学习机.首先通过引入最大相关熵准则( maximum correntropy criterion,MCC)代替HELM决策层中的最小均方差准则(minimum mean square error,MMSE),降低网络对异常点的敏感度,改善过拟合现象,构造出基于最大相关熵准则的多层极端学习机( MCC-HELM).其次利用MCC-HELM对大样本数据分批次进行编码学习,从而降低学习过程中的内存需求与整体运行时间.最后利用在线极端学习机的思想,在最终决策前将所有批次的决策层依次进行融合,推导出基于最大相关熵准则的批量编码式多层极端学习机( BC-HELM).实验结果表明,与HELM相比,本文提出的BC-HELM在保证学习精度的前提下,运行时间更短且内存需求显著降低,与其他多层ELM网络相比学习效率也有较大的提升.
其他文献
为了缩小可见光视频和红外视频之间的模态差异而提高红外行为识别率,以及简化深度学习用于红外行为识别需人工标注数据集繁琐的问题.基于迁移学习的思想,本文提出一种用可见光动作(源域)来识别红外动作(目标域)的无监督异构红外行为识别算法(UHDIAR). UHDIAR算法将可见光数据和红外数据映射到同一个对齐的特征空间中,采取余弦相似度调整源域样本的权重,利用对齐后的可见光数据训练权重支持向量机(W-SV
传统的K-means算法及其改进算法在对数据集进行聚类划分时通常精确地确定样本点与聚簇的隶属关系,没有充分考虑隶属关系模糊的边界点.本文提出一种结合三支决策理论的改进算
不断增长的互联网网页信息和成千上万的用户查询请求给搜索引擎的索引更新和查询访问带来了前所未有的实时性挑战.高效的索引压缩算法能够降低索引数据的存储和传输开销,加快
本文针对实际生产中需要对工件进行自动检测,获取工件质心的问题,采用了边缘检测技术以及最小外接矩形算法对工件定位的方式,采用了BP神经网络完成相机标定.针对基于RCF的边缘检测技术生成边缘粗糙的问题,提出了一种RCF(Richer Convolutional Features for Edge Detection)模型的优化方法,将每个阶段用于提升特征图分辨率的反卷积操作替换成可以生成更精细边缘、时
传统的图像分类问题多使用人工设计的图像特征进行分类,然而部分果蔬图像存在颜色、纹理和形状差异较小的现象,导致传统特征分类效果不够理想.针对这一问题,本文提出一种融合人工特征和深度学习特征的果蔬分类算法.首先使用Inception V3预训练模型提取果蔬图像的卷积神经网络特征;其次提取图像的颜色直方图和SIFT特征,并对SIFT特征进行局部线性编码;接着使用判别相关分析对特征进行降维融合;最后使用S
基于相关滤波的目标跟踪算法已经取得了较好的性能并引起关注.在RGB图像序列的跟踪中,遮挡、背景与前景相似纹理的情况下会出现跟踪失败.本文提出了一种在判别相关滤波框架中融合深度信息的跟踪算法.由深度图分割获得空间可靠性图,根据可靠性图计算约束滤波器,避免传统判别相关滤波的边界效应.在跟踪阶段,通过对通道响应进行可靠性加权求和获得目标位置.通过目标的深度信息估计尺度,根据目标区域的深度分布和相关滤波器
医疗图像辅助诊断是深度学习在智慧医疗领域中的一个重要应用.针对传统图像处理方法中人工提取特征过程复杂度高、测试识别准确度低和泛化能力差等问题,本文利用深度学习方法对乳腺癌病理学图像进行计算机辅助诊断.先对VGG16浅层卷积网络引入冻结层,并训练微调其余部分参数,再对结合迁移学习的Inception-V3和Res Net-V2-152进行整体参数微调,最后将训练好的的三个模型进行融合,以增强最终识别
本文为解决IT系统结构可视化中IT架构不透明,结构关系复杂,IT系统结构实时渲染帧率低等问题,提出了一种面向IT系统结构可视化的实时渲染方法.通过建立IT结构可视化模型,采用端到端的设计理念,从底层IT基础设施至上层系统、业务、应用等逻辑层次的对象、元素、规则和关系以三维可视化形式呈现,使IT内部结构关系清晰可见.采用混合型布局算法,针对IT结构关系的不同特点,适配相应布局算法,从而适应复杂多变的
为了解决不等长时间序列异常检测和电梯故障的早期预测问题,提出一种长短时记忆自动编码器(( long short-term memory networks auto-encoder,LSTM-AE)与多层感知机(multi-la
近年来,利用机器学习技术对跨站脚本攻击(XSS攻击)进行检测成为网络安全研究的热点.由于检测特征多,样本标注有限,机器学习模型的精准训练问题一直是一个难题.贝叶斯网络可以