特征学习
-
-
SVM半监督图像分类
使用支持向量机进行半监督图像分类。使用文献[1]中的方法从所有有效数据（标记数据和未标记数据）进行有监督的图像特征学习，利用图像丰富的类别属性，从现有的数据自动采集生成图像的原型集集合，然后对每个原型集进行特征学习，将这些原型集中的特征投影串联生成图像特征，进行图像分类。并将其与以往根据未标记图像确定分类边界的半监督图像分类方法进行性能对比。 -
deep learning一般是学习的层次结构
deep learning一般是学习的层次结构，它也是有一定理论依据的，即模拟人脑的大脑皮层工作，因为大脑皮层的视觉区域也是分层次工作的，越底层的视觉皮层对那些底层特征就越敏感。综上所述，feature learning有这么多应用需求的驱动和生物神经理论上的支持，注定它能够在AI领域中发挥一定的作用。一些实验表明，有些feature learning学习到的特征几乎比所有其它的特征效果要好，比如本文中的ISA模型就是其中一个。 -
