自适应控制深度学习和知识挖掘图像分类
王春华1
韩栋2
1.黄淮学院 动画学院,河南 驻马店,4630002.黄淮学院 信息工程学院,河南 驻马店,463000
摘要：针对传统分类方法的局限性,提出了一种深度学习结合知识挖掘的零样本图像自适应控制图像分类算法.利用对图像属性的深度学习来实现图像深层次特征及属性的学习和预测,基于图像的属性 类别映射使分类器性能有较大差异,通过稀疏表示模型挖掘图像类别和属性之间的关系并设计自适应控制的属性分类器实现对图像的分类操作.结果表明,与DBN和SVM算法相比,在监督模式和零样本模式下,该算法具有较高的属性预测准确度.在零样本情况下对Shoes数据集进行分类时,该算法具有最高的准确分类识别率,比其他算法的分类识别率提高了15%.
关键词：深度学习知识挖掘卷积神经网络图像分类零样本支持向量机深度置信网络分类器
分类号：TM343(电机)
资助基金：河南省科技计划(172102210117)
论文发表日期：2018-05-02
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：6( 334-339 )
英文信息