典型文献
深度EM胶囊网络全重叠手写数字识别与分离
文献摘要：
基于胶囊网络的向量神经元思想和期望最大算法(Expectation-maximization,EM),设计了一种以EM为向量聚类算法的深度胶囊网络(Deep capsule network,DCN),实现了重叠手写数字的识别与分离.该网络由两部分组成,第1部分是"识别网络",将EM算法改为EM向量聚类算法,以替换原胶囊网络CapsNet中的迭代路由部分,这一改动优化了网络的运算过程,实现了重叠数字识别.第2部分是"重构网络",由结构完全相同的两个并行网络组成,对双向量进行并行重构,实现了重叠数字的分离.实验结果显示,对于100％全重叠手写数字图片本网络识别率达到了96％,对比CapsNet在80％的重叠率下95％的识别率,本文网络在难度提升的情况下,识别率有明显提高,能够将完全重叠的两张手写数字进行图片进行准确地分离.
文献关键词：
深度胶囊网络;重叠数字识别;重叠数字分离;EM向量聚类
中图分类号：
作者姓名：
姚红革;董泽浩;喻钧;白小军
作者机构：
西安工业大学计算机科学与工程学院 西安710021;电子信息现场勘验应用技术公安部重点实验室 西安710121
文献出处：
引用格式：
[1]姚红革;董泽浩;喻钧;白小军-.深度EM胶囊网络全重叠手写数字识别与分离)[J].自动化学报,2022(12):2996-3005
A类：
深度胶囊网络,重叠数字识别,重叠数字分离
B类：
EM,全重,手写数字识别,期望最大算法,Expectation,maximization,聚类算法,Deep,capsule,network,DCN,识别网络,原胶,CapsNet,路由,改动,运算过程,完全相同,并行网络,识别率,重叠率,两张
AB值：
0.278003
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。
