基于极端学习机的人脸特征深度稀疏自编码方法

摘要 针对输入人脸特征的不准确性导致识别系统识别率不高的问题，提出了一种有效的基于极端学习机（ELM）的人脸特征深度稀疏自编码（DSAE）方法。首先，利用截断式核范数构造损失函数，通过最小化损失函数提取人脸图像的稀疏特征；其次，利用极端学习机自编码器（ELM-AE）模型进行人脸特征的自编码，实现数据维度的降低以及噪声过滤；最后，通过经验风险极小化得到最优的深度结构。在ORL、IMM、Yale和UMIST人脸数据集上的实验结果表明，DSAE方法对高维人脸图像的识别率明显优于极端学习机、随机森林（RF）等算法，且具有良好的泛化性能