基于最大相关熵的自编码网络人脸识别

• 作者: 匡勇建 张顺岚 莫建文
• 来源期刊: 桂林电子科技大学学报
• 学科: 工学
• 关键词: 自编码网络 均方误差 最大相关熵 稀疏约束项 鲁棒性
• 年，卷（期）: 2017,（3）
• 页码范围: 197-202
• 页数: 6页
• 分类号: TP391.4
• 字数: 3065字
• 语种: 中文

摘要

针对传统的自编码网络及其变体均采用均方误差作为重构函数对噪声不足,提出一种基于最大相关熵的堆栈稀疏自编码网络.该方法采用最大相关熵作为网络的重构函数,并且采用多层非线性映射层构建了一个多层网络,同时引入稀疏约束项.YaleB和AR人脸库实验结果表明,在训练样本有无噪声的情况下,该方法相比传统的自编码网络均具有更强的鲁棒性,且识别性能有所提高,学习到的特征更具表达能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	莫建文	桂林电子科技大学信息与通信学院	73	664	13.0	22.0
2	张顺岚	桂林电子科技大学信息与通信学院	26	175	6.0	12.0
3	匡勇建	桂林电子科技大学信息与通信学院	2	3	1.0	1.0