基于判别信息的正则极端学习机在人脸识别中的应用 |
| |
引用本文: | 张海英,闫德勤,楚永贺.基于判别信息的正则极端学习机在人脸识别中的应用[J].教育技术导刊,2017,16(7):187-190. |
| |
作者姓名: | 张海英 闫德勤 楚永贺 |
| |
作者单位: | 辽宁师范大学 计算机与信息技术学院,辽宁 大连116081 |
| |
摘 要: | 极端学习机作为传统单隐层前馈神经网络(Single HiddenLayerFeedforwardNetworks,SLFNs)的拓展在模式识别领域成为新的研究热点之一,然而已有的极端学习机算法及其改进不能较好地利用数据蕴含的判别信息。针对该问题,提出一种基于判别信息的正则极端学习机(DiscriminativeInformationRegularizedExtremeLearningMachine,IELM)。对于模式识别问题,IELM引入同类离散度和异类离散度的概念,体现输入空间数据的判别信息,通过最大化异类离散度和最小化同类离散度,优化极端学习机的输出权值,从而在一定程度上提高ELM的分类性能和泛化能力。为了评价和验证所提出方法的有效性,使用Yale、YaleB、ORL、UMIST人脸数据进行实验。结果表明,该算法能够显著提高ELM的分类性能和泛化能力。
|
关 键 词: | 极端学习机 单隐层前馈神经网络 判别信息 同类离散度 异类离散度 |
|
| 点击此处可从《教育技术导刊》浏览原始摘要信息 |
| 点击此处可从《教育技术导刊》下载免费的PDF全文 |
|