基于RBM多層神經(jīng)網(wǎng)絡(luò)的身份識別研究.pdf

1、生物特征身份識別一直是人工智能,圖象處理和模式識別等領(lǐng)域最具挑戰(zhàn)性的研究課題之一。生物特征身份識別包括三個主要技術(shù)環(huán)節(jié),即生物信息采集與預處理、生物特征提取和分類識別。
　　 身份識別的難點主要在于生物特征本身:高維,多變形,有冗余,多噪聲等等,這使得特征提取成為身份識別中最為關(guān)鍵的一環(huán)。過去人們往往采用PCA,KPCA等算法來做特征提取,然而他們有一個共同的特點——單層結(jié)構(gòu)。這些算法無法獲取某些對于分類非常關(guān)鍵的隱性特征,而通

2、常對于多層的結(jié)構(gòu)比如多層神經(jīng)網(wǎng)絡(luò),又因為訓練方法的低效和計算能力不足而被束之高閣。
　　 受限玻爾茲曼機(RBM)是一種無向圖模型,本文將引入一種新的學習方法用來無監(jiān)督的分層預訓練RBM,將訓練好的RBM組建成一個多層的神經(jīng)網(wǎng)絡(luò)。然后再用有監(jiān)督的學習方式比如誤差反傳來微調(diào)中間隱層的權(quán)值。這種無監(jiān)督預訓練結(jié)合有監(jiān)督訓練的方式在人臉識別數(shù)據(jù)庫中獲得了很好的效果。
　　 當今多生物特征融合技術(shù)越來越受到研究者的重視,較之單模生