典型文献
基于生成对抗网络的混合类型数据生成方法
文献摘要：
为解决由于隐私保护政策中研究人员在获取训练数据时经常受到限制而导致训练数据集匮乏问题,提出一种基于生成对抗网络(Generative Adversarial Networks,GANs)的混合数据(数值和标签)生成模型(mix-GAN)用来生成符合真实数据分布的合成数据,以此作为真实数据的补充并增加可用样本的数量.该模型使用预训练的自编码器(Autoencoder)将给定数据集映射到低维连续空间;通过在低维空间中的生成器和原始数据空间中的鉴别器进行对抗学习从而获得具有模拟真实数据的生成模型.通过从属性独立分布和多属性相关性两个方面对生成算法性能进行评估,表明所提出算法比目前其他基于深度学习的生成算法能更好地保持原始数据的分布结构.
文献关键词：
生成对抗网络;自编码器;混合类型数据
中图分类号：
作者姓名：
魏宁;汪龙志;董方敏
作者机构：
三峡大学计算机与信息学院 湖北 宜昌443002
文献出处：
引用格式：
[1]魏宁;汪龙志;董方敏-.基于生成对抗网络的混合类型数据生成方法)[J].计算机应用与软件,2022(06):29-34
A类：
混合类型数据
B类：
生成对抗网络,数据生成,生成方法,隐私保护,保护政策,中研,时经,受到限制,训练数据集,Generative,Adversarial,Networks,GANs,混合数据,生成模型,mix,来生,真实数据,数据分布,合成数据,模型使用,预训练,自编码器,Autoencoder,射到,连续空间,低维空间,生成器,原始数据,数据空间,鉴别器,对抗学习,拟真,从属性,属性独立,多属性,属性相关性,生成算法,算法性能,比目,分布结构
AB值：
0.452837
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
