一种基于变分自编码器的代谢组学数据分类方法
摘要:
本发明公开一种基于变分自编码器的代谢组学数据分类方法。本发明构建基于变分自编码器的分类模型,将训练好的变分自编码器网络的模型参数与分类网络共享。本发明避免了传统机器学习的复杂数据处理,简化了数据预处理过程中人工参数选择的繁琐步骤,提出的深度学习的非线性映射方法,很好的提高了分类精度。本发明通过添加一个KL散度损失,使得学习的隐层空间特征向标准正态靠近,使得解码过程更加合理化,分类结果更好。
0/0