[发明专利]一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法

权利要求书

1.一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法，其特征在于：采用接受场提高原始训练样本的输入维度，采用基于伪逆学习的自编码器进行特征提取并结合线性分类器进行模式识别或函数回归。

2.根据权利要求1所述的一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法，其特征在于，所采用的接受场进行数据表示方法之一是利用核函数将原始数据映射到高维空间，其特点是利用了核函数技巧将原始数据空间映射到高维数据空间。

3.根据权利要求1所述的一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法，其特征在于，所采用的接受场进行数据表示再一种方法是利用数据维度之间的相关运算扩展原始数据的维度，其特点是对原始数据空间进行扩展，扩展方法是利用原始数据之间的相关运算得到新的特征，包括x_i²，x_i×x_j，以及f(x_i)等。

4.根据权利要求1所述的一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法，其特征在于，所采用的接受场进行数据表示再一种方法是利用接受函数提升样本的维数，其特点是通过设定的接受函数和不同的函数参数，得到对原始数据的集成编码，其中接受函数为非线性函数，且任意两个不同的函数参数设为不同值，接受函数的一种形式是f(x,α_i)＝1/(1+exp(-x-α_i))，其中α_i＝i/h，i＝1,2，…,N。

5.根据权利要求1所述的一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法，其特征在于，所采用的接受场进行数据表示再一种方法是利用随机映射生成一组基向量，并将原始数据投影到这组基向量上。若原始样本属于m维欧氏空间，经投影后映射后到n(m<<n)维空间中。

6.根据权利要求1、2、3、4和5所述的一种结合数据表示与伪逆学习自编码器的提高模式识别精度的方法，其特征在于，通过接受场数据表示方法对数据升维后，馈入伪逆学习自编码器进一步进行特征学习来提高堆叠自编码器深度神经网络的学习速率和模式识别的精度。