原文服务方: 计算机应用研究       
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.
推荐文章
基于SLBP深度信念网络的人脸识别研究
显著局部二值模式
特征提取
深度信念网络
网络训练
深度学习
人脸识别
基于深度卷积稀疏自编码分层网络的人脸识别技术
人脸识别
特征提取
稀疏自编码
卷积神经网络
SVM分类器
深度网络
基于稀疏表示与特征融合的人脸识别方法
人脸识别
稀疏表示
低秩恢复
特征融合
鲁棒性
泛化性能
一种基于融合深度卷积神经网络与度量学习的人脸识别方法
多Inception结构
深度卷积神经网络
度量学习方法
深度人脸识别
特征提取
损失函数融合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进的稀疏深度信念网络的人脸识别方法
来源期刊 计算机应用研究 学科
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
研究方向 页码范围 2179-2183
页数 5页 分类号 TP391.41
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2015.07.064
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (467)
参考文献  (5)
节点文献
引证文献  (23)
同被引文献  (73)
二级引证文献  (163)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(10)
  • 参考文献(0)
  • 二级参考文献(10)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(6)
  • 引证文献(5)
  • 二级引证文献(1)
2017(9)
  • 引证文献(4)
  • 二级引证文献(5)
2018(45)
  • 引证文献(7)
  • 二级引证文献(38)
2019(96)
  • 引证文献(6)
  • 二级引证文献(90)
2020(29)
  • 引证文献(0)
  • 二级引证文献(29)
研究主题发展历程
节点文献
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
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
论文1v1指导