期刊文章详细信息
文献类型:期刊文章
Jing Mingmin(Research Department of Information and Standardization,Research Institute of Petroleum Engineering,Beijing 100101,China)
机构地区:[1]中国石化石油工程技术研究院信息与标准化研究所,北京100101 [2]中国社会科学院数量经济与技术经济研究所,北京100732
基 金:国家工信部物联网重大专项基金项目(P16013)。
年 份:2020
卷 号:37
期 号:10
起止页码:262-269
语 种:中文
收录情况:BDHX、BDHX2017、IC、JST、ZGKJHX、核心刊
摘 要:深度神经网络学习单模态特征的能力较强,而学习多模态特征的难度较大。针对这种情况,提出基于深度神经网络的多模态特征自适应分类算法。在训练阶段以预定的概率从每个模态选择部分代表信息进行融合,并且建模模式间的相关性。设计基于聚类的特征剪枝策略,减小网络的计算复杂度,通过正则化防止学习程序过拟合。利用动态编码搜索对超参数进行自适应地优化处理。采用自编码器和卷积神经网络分别对该算法进行验证,实现了较好的多模态特征分类效果,并且对数据缺失具有鲁棒性。
关 键 词:深度神经网络 多模态特征融合 模式识别 卷积神经网络 动态编码搜索
分 类 号:TP391]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...