10.13682/j.issn.2095-6533.2018.05.003
基于改进的ICA和RBF神经网络的人脸识别
为了提高人脸识算法的训练识别速度以及准确率,提出一种改进的人脸识别算法.将独立成分分析(independent component analysis,ICA)与径向基函数(radial basis function,RBF)神经网络相结合,利用ICA算法对人脸图像进行特征提取,采用牛顿迭代法提升其迭代性能;引入松弛因子,在保证收敛速度的前提下,放宽对初始权值选取的局限性.将特征信息作为RBF神经网络学习输入,采用监督聚类方法对神经网络进行构建和初始化,利用线性最小二乘法调整输出层连接权值,梯度下降法调整隐含层中心以及高斯宽带,通过训练学习获得最终的人脸识别分类结果.对比实验结果表明,改进的人脸识别算法训练速度和识别速度更快,准确率更高.
人脸识别、特征提取、独立成分分析、神经网络
23
TP391.41(计算技术、计算机技术)
国家自然科学基金资助项目61634004,61602377,61772417;陕西省自然科学基础研究计划资助项目2018JM4018;陕西省科技统筹创新工程资助项目2016KTZDGY02-04-02;陕西省重点研发计划资助项目2017GY-060
2019-02-26(万方平台首次上网日期,不代表论文的发表时间)
共5页
18-22