典型文献
基于梯形网络和改进三训练法的半监督分类
文献摘要：
为了提高半监督深层生成模型的分类性能,提出一种基于梯形网络和改进三训练法的半监督分类模型.该模型在梯形网络框架有噪编码器的最高层添加3个分类器,结合改进的三训练法提高图像分类性能.首先,用基于类别抽样的方法将有标记数据分为3份,模型以有标记数据的标签误差和未标记数据的重构误差相结合的方式调整参数,训练得到3个Large-margin Softmax分类器;接着,用改进的三训练法对未标记数据添加伪标签,并对新的标记数据分配不同权重,扩充训练集;最后,利用扩充的训练集更新模型.训练完成后,对分类器进行加权投票,得到分类结果.模型得到的梯形网络的特征有更好的低维流形表示,可以有效地避免因为样本数据分布不均而导致的分类误差,增强泛化能力.模型分别在MNIST数据库,SVHN数据库和CIFAR10数据库上进行实验,并且与其他半监督深层生成模型进行了比较,结果表明本文所提出的模型得到了更高的分类精度.
文献关键词：
梯形网络;改进的三训练法;半监督学习;Large-margin Softmax分类器
中图分类号：
作者姓名：
莫建文;贾鹏
作者机构：
桂林电子科技大学信息与通信学院 桂林541000
文献出处：
引用格式：
[1]莫建文;贾鹏-.基于梯形网络和改进三训练法的半监督分类)[J].自动化学报,2022(08):2088-2096
A类：
梯形网络,改进的三训练法
B类：
半监督分类,生成模型,分类性能,分类模型,网络框架,编码器,最高层,分类器,图像分类,记数,重构误差,调整参数,练得,Large,margin,Softmax,伪标签,数据分配,不同权重,训练集,更新模型,加权投票,低维,维流形,数据分布,泛化能力,MNIST,SVHN,CIFAR10,分类精度,半监督学习
AB值：
0.308554
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。
