一种新的混合分类器及其人脸识别的应用研究

作     者：高德坤 吴冲 李永立 GAO Dekun;WU Chong;LI Yongli

作者机构：哈尔滨工业大学经济与管理学院哈尔滨150001 东北大学工商管理学院沈阳110819 

出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)

年 卷 期：2016年第36卷第6期

页      面：1517-1525页

核心收录：

学科分类：12[管理学] 02[经济学] 13[艺术学] 08[工学] 1305[艺术学-设计学（可授艺术学、工学学位）] 120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 0202[经济学-应用经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(71271070) 黑龙江省自然科学基金(G2016003)~~ 

主　　题：深度学习 分类器模型 深度玻尔兹曼机神经网络 差异受限玻尔兹曼机神经网络 人脸识 别 

摘      要：随着互联网的发展,人脸识别在安全领域得到越来越广泛的应用.传统的人脸识别方法泛化能力较差,无法有效处理特别复杂的函数关系而使其在安全领域发展比较缓慢.为了提高人脸识别的正确率,本文提出了一种新的深度玻尔兹曼机神经网络(deep Boltzmann machine,DBM)和差异受限玻尔兹曼机神经网络(discriminative restricted Boltzmann machine,DRBM)的混合模型,在人脸数据集上与传统的人脸识别模型做了对比,为了进一步验证有效性,本文还选取在公共CMU-PIE人脸图像数据集上作了对比试验.实验发现:在两个数据集上,新的混合模型相对传统模型都有更好的识别效果,将产生直接的社会效益和管理意义.