基于改进的稀疏深度信念网络的人脸识别方法

• 作者: 曹振基 柴瑞敏
• 来源期刊: 计算机应用研究
• 关键词: 稀疏编码 特征提取 深度学习 深度信念网络 稀疏受限玻尔兹曼机
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2179-2183
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.07.064

摘要

由于稀疏表示在人脸识别上的优异表现,大量的研究关注于在深度网络上结合稀疏编码.常用的稀疏深度信念网络限制所有的隐藏单元具有相同的稀疏水平,这不是诱导稀疏表示最自然的方式.针对这个问题,根据压缩感知理论改进原来的稀疏项,添加了一个tan-sigmoid正则项逼近稀疏表示的最优解L0范数.这种方法不限制隐藏单元拥有相同的激活率,每个隐藏单元可以根据不同的任务自动学习到不同的稀疏水平.在ORL、UMIST和FERET人脸库上的识别结果表明,提出的方法与经典的稀疏深度模型相比,获得了很好的特征表示和识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴瑞敏	辽宁工程技术大学电子与信息工程学院	20	225	7.0	15.0
2	曹振基	辽宁工程技术大学研究生学院	2	87	2.0	2.0