Indexed by：
Abstract：
针对在特殊领域中小样本数据难以通过训练被分类管理的问题,提出一种基于循环编码生成对抗网络的小样本辨识方法.首先,对小样本进行混叠循环编码,建构包含小样本深层信息的隐向量;然后,搭建一种循环生成对抗网络模型,对小样本生成扩充并通过极限学习机网络进行训练辨识;最后,结合算例,与传统生成对抗网络、深度信念网络及合成少数类过采样技术进行对比性实验分析,结果表明所提出的循环编码生成对抗网络模型有更好的准确性和鲁棒性,可以更加有效地完成小样本辨识.
Keyword：
Reprint 's Address：
Email：
Source ：
武汉大学学报（工学版）
ISSN： 1671-8844
Year： 2021
Issue： 5
Volume： 54
Page： 467-476
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 5
Affiliated Colleges：
