用于图像识别的稀疏高斯编码

• 作者: 张少辉 王迤冉
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像识别 深度学习 特征表示 稀疏高斯编码 特征学习 K-means聚类
• 年，卷（期）: 2016,（1）
• 页码范围: 61-66
• 页数: 6页
• 分类号: TP391
• 字数: 4585字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2016.40.01.010

摘要

为了解决特征学习过程中导致聚类的不均衡性,提出一种基于高斯编码的特征学习算法,使用 K-means 聚类进行特征训练,在编码过程中考虑了数据分布的影响,同时保留了K-means编码的稀疏性. 并且鉴于K-means聚类的不均衡,还提出了一种特征选择的方法用于去噪和降维. 改进的模型不仅很大程度上提高了性能而且训练时间和计算代价均小. 在人脸数据库AR以及对象分类库Caltech101上设计了对比实验,实验结果都验证了该算法的有效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王迤冉	周口师范学院网络工程学院	82	248	8.0	12.0
2	张少辉	周口师范学院网络工程学院	26	90	5.0	7.0