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
- v4l2采集+yuyv转yuv420p+h264编码+tcp传输
- opencv循迹完成版（实际小车循迹验证可行）
- 蒙特卡洛随机潮流与和密度估计Matlab程序
- 设计模式所有实验及实验报告及代码.zip
- 基于混沌的图像置乱MATLAB程序
- MongoDB 4+所需依赖文件vc_redist.x64
- Introduction to Mathematical Statistics (8th Edition)
- C++大学教程(第五版).[美]H.M.Deitel(带详细书签).pdf
- 自主移动机器人导论（高清PDF）
- 深入浅出数据分析-完整中文版
- xsniff下载。。。
- 垂直散度低的高效单横模光子能带晶体激光器
- 普通化学第六版知识点整理.docx
- sina.rarsina.rar
- dockta：:spouting_whale:研究人员的Docker映像生成器-源码
- 用Qt做的飞机大战，我做的第一个电脑游戏
- 同桌的你音乐动画MV.rar
- php5apache2_4.dll-php-5.4-win32.zip
- Materials Studio 5.5 license
- cadence 16.6 下载地址
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