基于深度集成学习的人脸智能反馈认知方法

摘要：

人脸识别技术是深度学习的重要研究领域.为了克服传统开环人脸认知模式以及深层神经网络结构的缺陷,模仿人类实时评测认知结果自寻优调节特征空间和分类认知准则的认知模式,借鉴闭环控制理论思想,探索了一种基于深度集成学习的人脸智能反馈认知方法.首先,基于DEEPID网络建立人脸图像由全局到局部具有确定映射关系的非结构化特征空间;其次,基于特征可分性评测和变精度粗糙集理论,从信息论角度建立非结构化动态特征表征的人脸认知决策信息系统模型,以约减非结构化特征空间;再次,采用集成随机权向量函数连接网络,构建简约非结构化特征空间的分类认知准则;最后,构建人脸认知结果熵测度指标,为人脸特征空间和分类认知准则的自寻优调节机制提供量化依据.实验结果表明,较已有方法,该方法有效地提高了人脸图像的识别率.

关键词：人脸识别、智能反馈、集成分类器、熵测度

所属期刊栏目：45

分类号：TP391.41;TP183(计算技术、计算机技术)

资助基金：国家电网公司科技项目52110418001L

在线出版日期：2019-05-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：5-8,13