基于正交约束与最小重构误差的对比学习降维及图像分类

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：针对高维数据降维存在的计算复杂度高及方向不可控问题，提出一种基于正交约束与最小重构误差的对比学习降维方法（RoCRL）。在编码器中加入正交约束层，控制降维方向，降低特征之间相关性。定义最小重构误差对比损失，使低维嵌入保持与原始数据相似的分布结构。实验表明：RoCRL降维后数据的平均识别准确率最高可达99.67%，与7种基线模型相比提升了2.21%，实验时间最大缩短283.65s。（剩余95字）

试读结束

目录
monitor
客服机器人