基于优化卷积深度信念网络的智能手机身份认证方法
针对智能手机面临的信息安全问题,研究了一种优化卷积深度信念网络的智能手机身份认证方法.先对采集的原始数据进行预处理,再引入稀疏自编码器进行预训练,预训练后的权重作为卷积深度信念网络模型的卷积核,选用逐层贪婪算法用于模型的正式训练;训练后,经均方根连接层对提取的特征进行整合,并利用监督学习算法调节均方根连接层与输出层之间的权重;最后,由Softmax分类器输出分类结果.该方法可直接处理高维手势数据,建立手势模型进行特征提取.仿真结果表明,与隐马尔科夫算法、深度信念网络算法相比,该方法可显著提高身份认证的准确率.
图像处理、稀疏自编码器、卷积深度信念网络、均方根连接层、Softmax分类器
57
TP391(计算技术、计算机技术)
国家自然科学基金;中央高校基本科研业务费专项;江苏省自然科学基金
2020-06-23(万方平台首次上网日期,不代表论文的发表时间)
共11页
84-94