一种基于Triple-GAN的分类方法

摘要

生成对抗网络(GAN)在图像生成和半监督学习中显示出极大的发展前景，已发展为三生对抗网络(Triple‑GAN)。但基于Triple‑GAN的分类方法仍存在两个需要解决的问题：基于KL散度分布构造容易产生梯度消失，出现训练不稳定情况；由于Triple‑GAN手动对样本进行标记标签，会造成手动标记工作量过大及标记不均匀等情况。本发明基于此，拟利用随机森林(RandomForests)对真实样本进行分类，将叶子节点自动标记标签，同时利用最小二乘生成对抗网络(LSGAN)的思想构造损失函数，避免梯度消失。