基于SVM的流形正则堆叠胶囊自编码器优化算法
王鲁娜1
杜洪波1
朱立军2
1.沈阳工业大学 理学院,沈阳 1108702.北方民族大学 信息与计算科学学院,银川 750021
摘要：针对K均值(K-means)算法对形状特征复杂的图像数据集分类效果差,不能更好地对堆叠胶囊自编码器算法提取的图像特征进行分类的问题,提出基于支持向量机的流形正则堆叠胶囊自编码器(support vector machine-stacked capsule autoencoder based on manifold regularization,SVM-MRSCAE)优化算法.针对不同编码类型,对部件胶囊自编码器采用线性自编码器、卷积自编码器和基于自注意力机制的卷积自编码器进行对比,确定表现优异的编码类型;采用基于不同核函数的支持向量机对图像数据集进行分类,通过对不同核函数进行对比实验,获得更精确的分类结果.在加入不同噪声类型的MNIST和Fashion MNIST数据集上进行实验,发现相比于流形正则堆叠胶囊自编码器结构,SVM-MRSCAE模型分类准确率分别提高了 0.0099 和 0.2026,说明该模型获得了更好的分类精度.
关键词：深度学习支持向量机图像分类核函数自注意力机制堆叠胶囊自编码器
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(11861003)辽宁省教育厅高等学校基本科研项目(LJKZ0157)
论文发表日期：2023-12-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 471-478 )
英文信息