利用PCA进行深度学习图像特征提取后的降维研究
深度学习是当前人工智能领域广泛使用的一种机器学习方法.深度学习对数据的高度依赖性使得数据需要处理的维度剧增，极大地影响了计算效率和数据分类性能.本文以数据降维为研究目标，对深度学习中的各种数据降维方法进行分析.在此基础上，以Caltech 101图像数据集为实验对象，采用VGG-16深度卷积神经网络进行图像的特征提取，以PCA主成分分析方法为例来实现高维图像特征数据的降维处理.在实验阶段，采用欧氏距离作为相似性度量来检验经过降维处理后的精度指标.实验证明：当提取VGG-16神经网络fc3层的4096维特征后，使用PCA法将数据维度降至64维，依然能够保持较高的特征信息.
文件下载
评论信息
其他资源
- linux下自动连接wifi程序源码
- 计算机中国象棋算法论文(第一辑)
- ArcGIS for JavaScript WebGIS开发技术 在线视频地址
- Java Concurrency in Practice(英文版+中文版)
- 分支限界法实现0-1背包
- CppSQLite（基于SQLite 3.4.0）
- Java UDP打洞、 穿透NAT，P2P通信成功源码
- ABAQUS软土路基沉降分析
- 基于Spark的数据处理分析系统的设计与实现
- 51单片机超声波测距1602LCD显示
- 基于单片机的便携式老年人跌倒报警系统设计
- 数字图像处理图片素材
- asp.net完整酒店管理系统源码
- justi-n.github.io-源码
- QuickPortfolio：QuickPortfolio-源码
- sshweb.zip
- YDT 1260-2003 基于端口的虚拟局域网(VLAN)技术要求和测试方法.pdf
- BaseDemo.zip
- 算法设计题_树.pdf
- Linux系统配置及服务管理_第05章_重定向管道.doc
- 诺基亚Phoenix2012
- 酒店页面.rar
- 绿色版免安装CRT7
- FX3U 3G 3GA PLC解密
- ise9.1注册码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明