一种融合神经稀疏编码机制的层次目标识别算法

针对基本层次化目标识别计算模型缺乏明确学习概念和有效学习方法的问题，利用神经稀疏编码的学习规则，生成原型向量集合。通过模拟复杂细胞的感受野特性，实现层次化的稀疏编码过程，提出基于神经稀疏编码的层次目标特征提取算法。并利用简化的分类器设计，完成复杂场景下的广义目标识别问题。在Caltech-101数据库上进行实验对比，结果表明本文算法相对Serre计算模型在识别正确率上有较大提高，时间复杂度增加并不明显，且更加符合生物视觉机理。