基于弱监督学习的去噪受限玻尔兹曼机特征提取算法.pdfVIP

第 12期 电 子 学 报 Vo1．42 No．12 2014年 12月 ACTAEU CrrRONICA SINICA Dec． 2014 基于弱监督学习的去噪受限玻尔兹曼机 特征提取算法 杨 杰，孙亚东，张良俊 ，刘海波 (武汉理工大学光纤传感技术与信息处理教育部重点实验室，湖北武汉430070) 摘 ． 要： 针对现有特征提取方法难以实现从含有复杂背景的图像中提取有用 目标特征的瓶颈问题 ，提出了基于 弱监督学习的去噪受限玻尔兹曼机特征提取算法．首先，利用训练样本，通过无监督学习方式训练一个标准受限玻尔 兹曼机模型，从而获得一个包含可视单元层和隐藏单元层的层次结构模型；然后，对可视层的每个单元引入二值转换 单元，对隐藏层，根据各节点的激活值大小和激活频率将其分为两组：前景特征隐层单元和背景特征隐层单元 ，得到一 个二元混合式去噪玻尔兹曼机的模型；最后 ，通过多模交互方式，利用有限数量的样本标签信息对输入样本逐像素地 进行采样训练，以此来提取 目标特征．实验表明，本文的特征提取算法能够有效地从复杂的干扰背景中提取 目标特征， 提高了目标识别精度． 关键词 ： 特征提取；受限玻尔兹曼机 ；目标识别 中图分类号： TP391 文献标识码： A 文章编号： 0372．2112(2014)12．2365—06 电子学报 URL-．http：／／www．ejourna1．o ．cn DOI：10．3969／j．issn．0372—2112．2014．12．005 WeaklySupervisedLearningwithDenoisingRestrictedBoltzmann MachinesforExtractingFeatures YANGJie，SUNYa·dong，ZHANGHang—jun，LIUHai—bo (KeyLaboratoryofFiberopticSerh~ingTechnologyandInformationProcessing，MinistryofEducatwn， WuhanUniversayofTechnoolgy，Wuhan，Hubei430070，China) Abstract： Existingfeatureexrtactionalgorithmsalediffic~ttocaptureusefulinformationrfom compleximages．A feature extractionapproachisproposedbasedontheweaklysupervisedlearningwithdenoisingms~ctedBoltzmannmachine(RBM)．First， astandardRBM ispre-trainedinanunsupervisedlearningway，whichprovidesaNre~cNcalmodewiht avisiblelayerandahidden layer．Second，forhtevisiblelayer，astochasticbinary switchnodeisemployed．Andforhtehiddenlayer，itisdividedintofore— ground-hiddennodesandbackground-hiddennodesbasedOnthescoreofaechhiddennode’Sactivationvaluesnadtimes，thuswe cna achieveabinarymixturedenoisingRBMs．Fnially，thepixel-wies denoisingRBM