改进的非负稀疏编码神经网络模型及其应用

• 作者: 尚丽
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 正态逆高斯(NIG)密度模型 稳健主成分分析 非负稀疏编码 非负矩阵分解 特征提取 图像去噪
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 图形、图像、模式识别
• 页码范围: 160-164
• 分类号: TN911.73
• 字数: 3931字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.04.044

摘要

提出了一种改进的基于NIG(Normal Inverse Gaussian)密度和稳健主成分分析(PCA)的非负稀疏编码(NNSC)神经网络模型,该模型实质上实现了一个二阶段的学习过程.并利用这个模型成功地建模了视觉感知系统V1区的感受野.该NNSC模型具有很强的自适应于自然数据统计特性的能力.另外,利用类似小波收缩法去噪原理,该模型能够有效地去除图像中的高斯加性噪声,对自然图像编码的仿真实验也表明了该模型在生物学上的合理性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尚丽	苏州市职业大学电子信息工程系	66	326	9.0	14.0