计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2011年
30期
206-209,233
,共5页
尚丽%苏品刚%周昌雄%杜吉祥
尚麗%囌品剛%週昌雄%杜吉祥
상려%소품강%주창웅%두길상
稀疏约束%局部非负矩阵分解(LNMF)%自然图像%特征提取
稀疏約束%跼部非負矩陣分解(LNMF)%自然圖像%特徵提取
희소약속%국부비부구진분해(LNMF)%자연도상%특정제취
考虑自然图像的先验稀疏结构及其特征子空间的局部性,在局部非负矩阵分解(LNMF)算法的基础上,提出一种具有稀疏约束的局部非负矩阵分解(SC-LNMF)神经网络算法.使用两类自然属性不同的图像在不同的维数下对SC-LNMF网络进行训练,该方法都能成功地提取出训练图像的局部特征.与NMF、LNMF特征提取方法相比,实验对比结果证明了SC-LNMF算法能够模拟大脑初级视觉系统V1区感受野的特性,进一步证实了该算法在图像局部特征提取中的有效性和实用性.
攷慮自然圖像的先驗稀疏結構及其特徵子空間的跼部性,在跼部非負矩陣分解(LNMF)算法的基礎上,提齣一種具有稀疏約束的跼部非負矩陣分解(SC-LNMF)神經網絡算法.使用兩類自然屬性不同的圖像在不同的維數下對SC-LNMF網絡進行訓練,該方法都能成功地提取齣訓練圖像的跼部特徵.與NMF、LNMF特徵提取方法相比,實驗對比結果證明瞭SC-LNMF算法能夠模擬大腦初級視覺繫統V1區感受野的特性,進一步證實瞭該算法在圖像跼部特徵提取中的有效性和實用性.
고필자연도상적선험희소결구급기특정자공간적국부성,재국부비부구진분해(LNMF)산법적기출상,제출일충구유희소약속적국부비부구진분해(SC-LNMF)신경망락산법.사용량류자연속성불동적도상재불동적유수하대SC-LNMF망락진행훈련,해방법도능성공지제취출훈련도상적국부특정.여NMF、LNMF특정제취방법상비,실험대비결과증명료SC-LNMF산법능구모의대뇌초급시각계통V1구감수야적특성,진일보증실료해산법재도상국부특정제취중적유효성화실용성.