摘要：针对现有深度卷积神经网络在小样本学习时的泛化性问题,本文提出一种鉴别正交特征生成方法.该方法通过正则化技术对网络非负中间层特征输出的异类正交度和同类相关度进行优化,生成具有稀疏特性的网络中间层鉴别正交特征.为有效调节稀疏度以控制网络容量,采用正则化系数自适应调节方式逼近预设特征稀疏度目标.为提高特征生成计算效率,进一步设计了随机2类别鉴别正交特征生成反向传播规则.随后在数据集MNIST上进行了小样本手写体数字识别对比实验,验证了本文方法的稀疏度调节特性和网络表达容量控制能力.通过反卷积可视化,进一步发现本文方法还具有衍生出的局部鉴别区域聚焦特性.最后,将鉴别正交特征生成卷积网络应用到老年痴呆症3D磁共振影像分析上.实验结果表明,本文方法用于老年痴呆症诊断,不仅诊断效果更好,而且利用其良好的局部聚焦性,还成功定位了老年痴呆症与健康对照组典型差异脑区.关键词:
分类：期刊> 自然科学与工程技术> 信息科技> 无线电电子学
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：深度卷积网络 鉴别正交特征生成 脑影像分析 核磁共振
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
