[發明專利]基于堆疊自編碼器的特征提取方法、裝置及終端設備

在審

• 申請號: 201910865342.2
• 申請日: 2019-09-12
• 公開（公告）號: CN110580517A
• 公開（公告）日: 2019-12-17
• 發明（設計）人: 王明明;王莎;孫曉云;狄衛國;金安;楊小帆
• 申請（專利權）人: 石家莊鐵道大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N20/00
• 代理公司: 13120 石家莊國為知識產權事務所
• 代理人: 秦敏華

本發明提供了一種基于堆疊自編碼器的特征提取方法、裝置及終端設備，該方法應用于特征提取技術領域，所述方法包括：設定堆疊自編碼器的當前自編碼器個數k＝1；基于改進的混合蛙跳算法確定k?自編碼器的結構參數；基于k?自編碼器的結構參數確定k?自編碼器的重構誤差；若k?自編碼器的重構誤差大于預設閾值，則在堆疊自編碼器中增加一個自編碼器，令k＝k+1，并返回執行基于改進的混合蛙跳算法確定k?自編碼器的結構參數的步驟；若k?自編碼器的重構誤差不大于預設閾值，則確定堆疊自編碼器訓練完成，并基于訓練完成的堆疊自編碼器對數據進行特征提取。本發明提供的基于堆疊自編碼器的特征提取方法、裝置及終端設備能夠提高特征提取的速度和精度。

技術領域

本發明屬于特征提取技術領域，更具體地說，是涉及一種基于堆疊自編碼器的特征提取方法、裝置及終端設備。

背景技術

堆疊自編碼器作為深度學習的一種典型架構，通過逐層貪婪的學習方式，能夠降維得到一系列簡單的能夠很好的表達輸入數據的高階特征，在數據的特征提取方面具有明顯的優勢。

現有的特征提取過程中，在對堆疊自編碼器進行訓練時，堆疊自編碼器中自編碼器的堆疊個數是難以確定的，各個自編碼器的結構參數也是隨機初始化的，這就導致了在進行堆疊自編碼器的訓練時，堆疊自編碼器收斂速度慢、收斂精度低。其中，堆疊自編碼器的收斂速度慢會導致訓練得到的堆疊自編碼器的網絡深度值較大，進而影響特征提取的速度，堆疊自編碼器的收斂精度低會影響特征提取的精度。

發明內容

本發明的目的在于提供一種基于堆疊自編碼器的特征提取方法、裝置及終端設備，以提高特征提取的速度和精度。

本發明實施例的第一方面，提供了一種基于堆疊自編碼器的特征提取方法，包括：

設定堆疊自編碼器的當前自編碼器個數k＝1；

基于改進的混合蛙跳算法確定k-自編碼器的結構參數；

基于k-自編碼器的結構參數確定k-自編碼器的重構誤差；

若k-自編碼器的重構誤差大于預設閾值，則在堆疊自編碼器中增加一個自編碼器，令k＝k+1，并返回執行基于改進的混合蛙跳算法確定k-自編碼器的結構參數的步驟；

若k-自編碼器的重構誤差不大于預設閾值，則確定堆疊自編碼器訓練完成，并基于訓練完成的堆疊自編碼器對數據進行特征提取。

本發明實施例的第二方面，提供了一種基于堆疊自編碼器的特征提取裝置，包括：

計數模塊，用于設定堆疊自編碼器的當前自編碼器個數k＝1；

參數優化模塊，用于基于改進的混合蛙跳算法確定k-自編碼器的結構參數；

誤差確定模塊，用于基于k-自編碼器的結構參數確定k-自編碼器的重構誤差；

循環模塊，用于若k-自編碼器的重構誤差大于預設閾值，則在堆疊自編碼器中增加一個自編碼器，令k＝k+1，并返回執行基于改進的混合蛙跳算法確定k-自編碼器的結構參數的步驟；

特征提取模塊，用于若k-自編碼器的重構誤差不大于預設閾值，則確定堆疊自編碼器訓練完成，并基于訓練完成的堆疊自編碼器對數據進行特征提取。

本發明實施例的第三方面，提供了一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現上述的基于堆疊自編碼器的特征提取方法的步驟。

本發明實施例的第四方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述的基于堆疊自編碼器的特征提取方法的步驟。