基于成对累计量的自然图像拓扑表示模型

摘要：

针对传统模型建模复杂、算法效率较低等缺点,提出了一种学习自然图像拓扑表示的新方法.不同于传统的空域汇集操作,文中利用“成对累计量”对初级视皮层复杂细胞之间的二元关系进行建模,并结合向量在高维空间中的分布特点,得到了能够模拟V1区复杂细胞特性的自然图像拓扑表示模型.此外,在模型的估计部分,推导出基于“不动点迭代”的快速学习算法.实验表明,该模型能够有效地捕捉复杂细胞中的非线性依赖关系,从自然图像中学习的基向量具有类似于V1区复杂细胞的特性.与传统方法相比,文中算法不仅适用于完备或超完备基的学习问题,而且具有类似于FastICA算法的收敛性能,比同类算法更加快速可靠.

关键词：独立分量分析、拓扑表示、二元关系、成对累计量、超完备、不动点算法

所属期刊栏目：35

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60975078,60902058,60805041,60872082;北京市自然科学基金4092033,4112047;高等学校博士学科点专项科研基金200800041049

在线出版日期：2012-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：817-826