基于无监督特征选择和卷积神经网络的图像识别算法  

作　　者：万萌 冯新玲 

机构地区：[1]郑州工业应用技术学院信息工程学院,河南郑州451100

出　　处：《赤峰学院学报（自然科学版）》2018年第10期52-55,共4页Journal of Chifeng University(Natural Science Edition)

基　　金：河南省科技攻关计划项目:基于机器视觉的网状织物表面检测系统研制(0721002210032)

摘　　要：传统的图像识别算法需要采集大量的特征信息,造成数据的冗余进而带来维数灾难.针对这种情况,提出一种基于无监督特征学习和深度卷积神经网络相结合的图像识别算法.利用一种快速的无监督特征学习算法,对原始特征集合的内部进行建模从而发现高维数据中隐藏的低维结构,进而达到特征提取和维数约简的目的;而深度卷积神经网络可以提取输入数据的不同层次特征,将低层次特征高层化使之更加抽象,提高数据的代表性,增加图像识别的精确度.实验表明,本文算法在相同环境下可以降低数据的冗余性,提高算法的识别的有效性.

关 键 词：无监督 特征学习 神经网络 图像识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]