基于可变损失和流形正则化的生成对抗网络

作     者：丁赛赛 吕佳 Ding Saisai;Lyu Jia

作者机构：重庆师范大学计算机与信息科学学院重庆401331 重庆师范大学重庆市数字农业服务工程技术研究中心重庆401331 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2020年第37卷第12期

页      面：3607-3611页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：重庆市自然科学基金资助项目(cstc2014jcyjA40011) 重庆师范大学科研项目(YKC19018) 

主　　题：生成对抗网络 局部扰动 可变损失 流形正则化 半监督 

摘      要：针对生成对抗网络中鉴别器在少量标记样本上的分类精度较差以及对流形局部扰动的鲁棒性不足的问题,提出一种基于可变损失和流形正则化的生成对抗网络算法。当标记样本较少时,该算法在鉴别器中利用可变损失代替原有对抗损失以解决训练前期分类性能较差的鉴别器对半监督分类任务的不利影响。此外,在鉴别器可变损失的基础上加入流形正则项,通过惩罚鉴别器在流形上分类决策的变化提高鉴别器对局部扰动的鲁棒性。以生成样本的质量和半监督的分类精度作为算法的评价标准,并在数据集SVHN和CIFAR-10上完成了数值实验。与其他半监督算法的对比结果表明,该算法在使用少量带标记数据的情况下能得到质量更高的生成样本和精度更高的分类结果。