基于张量的深度学习算法的改进

摘要

提出用概率协同表示(probabilistic collaborative representation-based classifier, ProCRC)的方法生成权重系数对所提取的动作特征进行更新.首先,利用深度学习的思想将人体不同动作的视频分为5层;然后分别对各层的节点进行特征提取,同时,运用ProCRC产生梯度下降法所需的权重向量,对所提取的特征进行更新;最后,基于张量的思想进行特征的聚类分析.仿真实验结果表明,该方法优于稀疏表示的方法(sparse representation-based classifier, SRC).