公开(公告)号：CN108182475A

公开(公告)日：2018-06-19

申请号：CN201711482817.7

申请日：2017-12-29

Applicant: 中南大学

Inventor： 陈飞 ,  徐凯 ,  谢智歌

IPC: G06N3/08

Abstract: 本发明属于数据特征识别技术领域，特别涉及一种基于自动编码机-超限学习机的多维度数据特征识别方法；其一种基于自动编码机-超限学习机的多维度数据特征识别方法，包括如下步骤：S1：获取多维度物体的原始数据，并对获取的原始数据进行预处理；S2：基于预处理后的原始数据训练自动编码机-超限学习机模型并建立自动编码机-超限学习机模型。本发明提供一种新的基于自动编码机-超限学习机的多维度数据特征识别方法，可以对任意维度的数据进行特征提取和识别；将卷积神经网络的局部不变性和自动编码机良好的表达能力结合在一起，利用超限学习机训练速度快、获取特征准的特点，可以很好的应对大规模且多维度数据特征识别的挑战。

公开(公告)号：CN111444936A

公开(公告)日：2020-07-24

申请号：CN202010037805.9

申请日：2020-01-14

Applicant: 中南大学 ,  谢智歌

Inventor： 陈飞 ,  谢智歌

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属遥感信息处理技术领域，特别涉及一种基于脉冲神经网络的高光谱遥感影像分类方法。本发明提供一种新的基于脉冲神经网络的高光谱遥感影像分类方法，该方法将卷积神经网络分类模型转换为等效的脉冲神经网络分类模型，测试数据经过预处理和脉冲形式转换后输入到脉冲神经网络分类模型中得到初始预测标签，通过在初始标签上增加边界光滑约束，得到效果更佳的最终分类结果，且由于脉冲神经网络中的计算是事件驱动的，因此脉冲神经网络可以提供快速且轻量级的深度网络预测方式，这在移动设备或廉价计算环境中非常重要。