基于张量的深度学习算法的改进 |
| |
引用本文: | 王玉丽胡海平.基于张量的深度学习算法的改进[J].应用数学与计算数学学报,2018(3):572-580. |
| |
作者姓名: | 王玉丽胡海平 |
| |
作者单位: | 上海大学理学院;桂林理工大学信息科学与工...;天津理工大学电气电子工程...;南阳理工学院;东莞理工学院计算机与网络...;(1.广东电网有限责任公...;江西理工大学信息工程学院...;上海海洋大学信息学院;农...;西安建筑科技大学管理学院...;江苏省大数据安全与智能处...;江南大学物联网工程学院;... |
| |
摘 要: | 提出用概率协同表示(probabilistic collaborative representation-based classifier, ProCRC)的方法生成权重系数对所提取的动作特征进行更新.首先,利用深度学习的思想将人体不同动作的视频分为5层;然后分别对各层的节点进行特征提取,同时,运用ProCRC产生梯度下降法所需的权重向量,对所提取的特征进行更新;最后,基于张量的思想进行特征的聚类分析.仿真实验结果表明,该方法优于稀疏表示的方法(sparse representation-based classifier, SRC).
|
关 键 词: | 概率协同表示 深度学习 聚类分析 |
本文献已被 CNKI 维普 等数据库收录! |
|