[发明专利]一种基于主成分分析改进生成对抗网络的半监督分类方法在审
| 申请号： | 201910012548.0 | 申请日： | 2019-01-07 |
| 公开（公告）号： | CN109740677A | 公开（公告）日： | 2019-05-10 |
| 发明（设计）人： | 王春枝;吴盼;严灵毓;王毅超;蔡文成;周方禹 | 申请（专利权）人： | 湖北工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京金智普华知识产权代理有限公司 11401 | 代理人： | 杨采良 |
| 地址： | 430068 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于生成对抗网络改进领域，公开了一种基于主成分分析改进生成对抗网络的半监督分类方法，使用主成分分析法(PCA)对原始图片进行压缩降维，用降维得到的向量代替原始的随机噪声向量，作为生成器的输入，提高了生成对抗网络生成图片的质量，同时也提高了半监督分类的准确率。本发明主成分分析法可以在降低数据维度的同时保留原数据的部分特征，用降维后的数据代替随机噪声输入生成器，能够更快的生成质量更高(更接近真实图片)的数据，减少网络迭代次数，提高分类准确率。 | ||
| 搜索关键词： | 半监督 降维 对抗 主成分分析法 主成分分析 生成器 分类 随机噪声向量 分类准确率 网络 数据代替 数据维度 随机噪声 网络改进 网络生成 原始图片 原数据 准确率 迭代 向量 改进 压缩 保留 图片 | ||
【主权项】：
1.一种基于主成分分析改进生成对抗网络的半监督分类方法，其特征在于，所述基于主成分分析改进生成对抗网络的半监督分类方法包括：步骤一：初始化各项参数，设置迭代次数n，样本数据为x，噪声为z，每次输入的图片数量bach_size，噪声的维度z_dim；步骤二：获取一个bach_size数量的图片，使用主成分分析法PCA将每张图片压缩至z_dim维，作为生成器的输入z；步骤三：将z输入生成对抗网络的生成器，用于训练生成器，生成图片G(z)；步骤四：将生成图片G(z)和真实图片x作为判别器D的输入，用于训练判别器，判别器判断图片属于哪一类；步骤五：根据判别器的结果通过反向传播，以最小化损失函数L为目标，调整生成器和判别器的参数；步骤六：重复步骤一至步骤五，直到达到指定的迭代次数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于湖北工业大学，未经湖北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910012548.0/，转载请声明来源钻瓜专利网。
