[发明专利]基于堆叠自编码器的特征提取方法、装置及终端设备

说明书

本发明提供了一种基于堆叠自编码器的特征提取方法、装置及终端设备，该方法应用于特征提取技术领域，所述方法包括：设定堆叠自编码器的当前自编码器个数k＝1；基于改进的混合蛙跳算法确定k‑自编码器的结构参数；基于k‑自编码器的结构参数确定k‑自编码器的重构误差；若k‑自编码器的重构误差大于预设阈值，则在堆叠自编码器中增加一个自编码器，令k＝k+1，并返回执行基于改进的混合蛙跳算法确定k‑自编码器的结构参数的步骤；若k‑自编码器的重构误差不大于预设阈值，则确定堆叠自编码器训练完成，并基于训练完成的堆叠自编码器对数据进行特征提取。本发明提供的基于堆叠自编码器的特征提取方法、装置及终端设备能够提高特征提取的速度和精度。

技术领域

本发明属于特征提取技术领域，更具体地说，是涉及一种基于堆叠自编码器的特征提取方法、装置及终端设备。

背景技术

堆叠自编码器作为深度学习的一种典型架构，通过逐层贪婪的学习方式，能够降维得到一系列简单的能够很好的表达输入数据的高阶特征，在数据的特征提取方面具有明显的优势。

现有的特征提取过程中，在对堆叠自编码器进行训练时，堆叠自编码器中自编码器的堆叠个数是难以确定的，各个自编码器的结构参数也是随机初始化的，这就导致了在进行堆叠自编码器的训练时，堆叠自编码器收敛速度慢、收敛精度低。其中，堆叠自编码器的收敛速度慢会导致训练得到的堆叠自编码器的网络深度值较大，进而影响特征提取的速度，堆叠自编码器的收敛精度低会影响特征提取的精度。

发明内容

本发明的目的在于提供一种基于堆叠自编码器的特征提取方法、装置及终端设备，以提高特征提取的速度和精度。

本发明实施例的第一方面，提供了一种基于堆叠自编码器的特征提取方法，包括：

设定堆叠自编码器的当前自编码器个数k＝1；

基于改进的混合蛙跳算法确定k-自编码器的结构参数；

基于k-自编码器的结构参数确定k-自编码器的重构误差；

若k-自编码器的重构误差大于预设阈值，则在堆叠自编码器中增加一个自编码器，令k＝k+1，并返回执行基于改进的混合蛙跳算法确定k-自编码器的结构参数的步骤；

若k-自编码器的重构误差不大于预设阈值，则确定堆叠自编码器训练完成，并基于训练完成的堆叠自编码器对数据进行特征提取。

本发明实施例的第二方面，提供了一种基于堆叠自编码器的特征提取装置，包括：

计数模块，用于设定堆叠自编码器的当前自编码器个数k＝1；

参数优化模块，用于基于改进的混合蛙跳算法确定k-自编码器的结构参数；

误差确定模块，用于基于k-自编码器的结构参数确定k-自编码器的重构误差；

循环模块，用于若k-自编码器的重构误差大于预设阈值，则在堆叠自编码器中增加一个自编码器，令k＝k+1，并返回执行基于改进的混合蛙跳算法确定k-自编码器的结构参数的步骤；

特征提取模块，用于若k-自编码器的重构误差不大于预设阈值，则确定堆叠自编码器训练完成，并基于训练完成的堆叠自编码器对数据进行特征提取。

本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于堆叠自编码器的特征提取方法的步骤。

本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于堆叠自编码器的特征提取方法的步骤。