典型文献
融合深度学习和聚类分析的自适应图像聚类
文献摘要：
针对卷积神经网络应用于图像分类任务时需要大量有标签数据的问题,提出一种融合卷积神经网络和聚类分析的无监督分类模型,将无监督算法引入深度学习,并将该模型应用到图像分类领域,来弥补现有分类方式的不足.首先对经典卷积神经网络AlexNet从网络结构和模型训练两个方面进行优化;然后利用改进后的自适应快速峰值聚类算法指导聚类过程,该模型在学习整个网络参数的同时对卷积输出的特征进行聚类,这两个过程迭代进行,以达到对图像进行无监督分类的目的;为了验证所提出的无监督图像分类模型的可行性和有效性,选用了四个常用于图像分类领域的数据集分别进行了分类实验,并将结果与近年来在图像无监督分类任务上表现相对优越的几种算法进行了横向对比.结果表明提出的无监督分类模型在不同数据集上均较现有的几种无监督方法有着更出色的表现.
文献关键词：
图像分类;无监督;融合;自适应;AlexNet网络;快速峰值聚类
中图分类号：
作者姓名：
侯青;杨荣新;张英杰;李伟
作者机构：
陕西中医药大学 科技处,陕西 咸阳 712046;长安大学 信息工程学院,陕西 西安710064
文献出处：
引用格式：
[1]侯青;杨荣新;张英杰;李伟-.融合深度学习和聚类分析的自适应图像聚类)[J].计算机技术与发展,2022(01):98-103
A类：
快速峰值聚类
B类：
自适应图,图像聚类,网络应用,图像分类,分类任务,标签数据,融合卷积神经网络,无监督分类,分类模型,无监督算法,模型应用,分类方式,AlexNet,模型训练,聚类算法,网络参数,两个过程,横向对比,无监督方法,出色
AB值：
0.273126
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。
