期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
MD-RBM神经网络模型及其在材料微结构中聚类研究
1
作者
储节磊
张永盛
+3 位作者
杜金树
马普欢
吕俊营
钱
泳
霖
《计算机应用与软件》
北大核心
2019年第6期155-162,共8页
在传统的RBM神经网络的基础上提出一种新颖的MD RBM神经网络模型用于超高碳钢微结构高维图像数据的特征学习。该模型利用新的乘法距离(MD)取代欧式距离以计算高维图像数据之间的距离关系,有效缓解欧式距离在高维数据中的不稳定性问题。M...
在传统的RBM神经网络的基础上提出一种新颖的MD RBM神经网络模型用于超高碳钢微结构高维图像数据的特征学习。该模型利用新的乘法距离(MD)取代欧式距离以计算高维图像数据之间的距离关系,有效缓解欧式距离在高维数据中的不稳定性问题。MD-RBM神经网络模型利用少量的成对约束监督信息引导其编码过程,使得一部分图像数据的隐藏层特征更加聚集在一起,而且同时使得一部分图像数据的隐藏层特征更加分散,由此得到高维图像数据的隐藏层特征表现出很好的聚类性能。实验选择两种经典聚类算法Affinity Propagation(AP)和Spectral Clustering(SC)作为对比,结果显示,基于MD-RBM模型的聚类识别算法比原始聚类算法、半监督算法以及基于RBM模型的聚类算法都表现出更优的聚类性能。
展开更多
关键词
MD距离
MD-RBM
聚类
材料微结构
成对约束
下载PDF
职称材料
题名
MD-RBM神经网络模型及其在材料微结构中聚类研究
1
作者
储节磊
张永盛
杜金树
马普欢
吕俊营
钱
泳
霖
机构
西南交通大学信息科学与技术学院
西南交通大学力学与工程学院
出处
《计算机应用与软件》
北大核心
2019年第6期155-162,共8页
基金
国家自然科学基金项目(61773324)
西南交通大学个性化实验项目(GX201812078)
文摘
在传统的RBM神经网络的基础上提出一种新颖的MD RBM神经网络模型用于超高碳钢微结构高维图像数据的特征学习。该模型利用新的乘法距离(MD)取代欧式距离以计算高维图像数据之间的距离关系,有效缓解欧式距离在高维数据中的不稳定性问题。MD-RBM神经网络模型利用少量的成对约束监督信息引导其编码过程,使得一部分图像数据的隐藏层特征更加聚集在一起,而且同时使得一部分图像数据的隐藏层特征更加分散,由此得到高维图像数据的隐藏层特征表现出很好的聚类性能。实验选择两种经典聚类算法Affinity Propagation(AP)和Spectral Clustering(SC)作为对比,结果显示,基于MD-RBM模型的聚类识别算法比原始聚类算法、半监督算法以及基于RBM模型的聚类算法都表现出更优的聚类性能。
关键词
MD距离
MD-RBM
聚类
材料微结构
成对约束
Keywords
MD distance
MD-RBM
Clustering
Material microstructure
Pairwise constraint
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
MD-RBM神经网络模型及其在材料微结构中聚类研究
储节磊
张永盛
杜金树
马普欢
吕俊营
钱
泳
霖
《计算机应用与软件》
北大核心
2019
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
