典型文献
基于二维独立均匀分布对抗自编码的模式识别研究
文献摘要：
标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本.但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析.针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型.在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本.方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本.
文献关键词：
对抗自编码;二维独立均匀分布;特征强化;聚类分析;生成模型
中图分类号：
作者姓名：
赵川;张颖琳;王坤
作者机构：
北华航天工业学院机电工程学院,河北廊坊065000;北京科技大学机械工程学院,北京100083;北京航空航天大学 机械工程及自动化学院,北京100083;哈尔滨工业大学航天学院,黑龙江哈尔滨150001
文献出处：
引用格式：
[1]赵川;张颖琳;王坤-.基于二维独立均匀分布对抗自编码的模式识别研究)[J].北华航天工业学院学报,2022(01):1-3
A类：
二维独立均匀分布,对抗自编码
B类：
模式识别,自编码模型,自监督,监督方式,自适应提取,对抗机制,加特,先验分布,解码器,多类别,别样,类别信息,信息构建,专属,类别特征,对抗训练,本能,法经,MNIST,隐变量,行约,特征聚类,特征强化,生成模型
AB值：
0.308883
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。
