融合图嵌入的光滑主成分分析网络图像识别算法
作者:
作者单位:

(1. 南京航空航天大学 计算机科学与技术学院, 江苏 南京 211106;2. 南京航空航天大学 公共实验教学部, 江苏 南京 211106)

作者简介:

陈飞玥(1995—),女,陕西榆林人,硕士研究生,E-mail:chenfeiyue@nuaa.edu.cn; 朱玉莲(通信作者),女,副教授,博士,硕士生导师,E-mail:lianyi_1999@nuaa.edu.cn

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金资助项目(61703206)


Smooth principal component analysis network image recognition algorithm with fusion graph embedding
Author:
Affiliation:

(1. College of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China;2. Fundamental Experiment Teaching Department, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。

    Abstract:

    PCANet (principal component analysis network) is a simple deep learning algorithm with excellent performance in the field of image recognition. Integrating the idea of graph embedding into PCANet, a new image recognition algorithm Smooth-PCANet was proposed. In order to verify the effectiveness of the Smooth-PCANet algorithm, adequate experiments were performed on different data sets such as face, handwritten characters, and images. Compared with several image recognition algorithms based on deep learning, the experiments demonstrated that the Smooth-PCANet achieves higher recognition performance than the PCANet and avoids overfitting more effectively, with a significant advantage in small samples training.

    参考文献
    相似文献
    引证文献
引用本文

陈飞玥,朱玉莲,田甲略,等.融合图嵌入的光滑主成分分析网络图像识别算法[J].国防科技大学学报,2022,44(3):16-22.
CHEN Feiyue, ZHU Yulian, TIAN Jialue, et al. Smooth principal component analysis network image recognition algorithm with fusion graph embedding[J]. Journal of National University of Defense Technology,2022,44(3):16-22.

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-06-20
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2022-06-02
  • 出版日期: 2020-06-28
文章二维码