基于局部特征的非负稀疏编码神经网络模型.pdfVIP

第37卷 第 l6期 计 算 机 工 程 2011年8月 、，ol-37 No．16 ComputerEngineering August2011 · 人工智能及识别技术 · 文章■号t1000--3428(2011)16--020002 文献标识码·A 中圈分类号tTN9117·3 基于局部特征的非负稀疏编码神经网络模型 肖 胃 ，崔 呜 ，赵意曩lp杜吉祥2,3 (1．苏州市职业大学电子信息工程系，江苏 苏州 215104；2．中国科学技术大学自动化系，合肥 230026； 3．华侨大学计算机科学与技术系，福建 泉州 362021) 囊 要：在非负稀疏编码(NNSC)的基础上，考虑特征基向量的稀疏度约束和特征基的局部性，提出一种基于局部特征的NNSC神经网络 模型。该模型利用梯度和倍增因子相结合的优化算法实现特征系数的学习；利用倍增算法实现特征基的学习。对掌纹图像进行特征提取测 试，结果表明，与传统 NNSC模型和局部非负矩阵分解(LNMF)方法相比，该模型能有效提取图像的局部特征，收敛速度较快，可模拟初 级视觉系统处理自然界信息的稀疏编码策略。 关悯 ：非负稀琉编码；初级视觉系统；稀疏度约束；局部特征；特征提取；特征基向量 Non-negativeSparseCodingNeuralNetworkModel BasedonLocalizedFeature SHANGLi，CUIM ing，ZHAo ZIIi．qiang，DUJi- ang23 (1．DepartmentofElectronicInformationEngineering，SuzhouVocationalUniversity,Suzhou215104，China； 2．DepartmentofAutomation，UniversityofScienceandTcehnologyofChina，Hefei230o26，China； 3．DepartmentofComputerScienceandTcehnology,HuaqiaoUniversiyt,Quanzhou362021，China) [AbstractlOnthebasisofhteNon-negativeSparseCoding(NNSC)，consideredthesparsemeasui~constraintoffeaturebasisvectorsandhte localiyt offeatures．anovelNNSCmodelbasedonlocalizedfeaturesisproposedinthispaper．ThisNNSCmodelutilizeshteoptimizedmehtodthat combineshtegradientandmultiplicativealgorithm tolearnthefeaturecoefficients，na donlythegradientalgorithm tolearnfeaturevcetors．Using thisNNSCmod eltotesthtefeatureextractionprocessofpalm images，na dcomparedwiht hteNNSCmod elna dLocalizde Non-negativeMatrix Factorization(LNMF)，experimentalresultsshowthatthemodelcanextractimagefeaturesefficientlynadhasquickconvergencespeed。aswellas Cna mod elhtesparsecodingstrategyusde byhteprimaryvisualsystem indealingwithhtenatureproc essing．Thisfur