基于最大相关熵的自编码网络人脸识别

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.

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

所属期刊栏目：37

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61362021,61661017;广西自然科学基金2014GXNSFDA118035;桂林电子科技大学研究生教育创新计划YJCX201534

在线出版日期：2017-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：197-202