10.7510/jgjs.issn.1001-3806.2018.05.016
加权联合降维的深度特征提取与分类识别算法
为了降低卷积神经网络计算的复杂度,改善特征提取过程中的过拟合现象,解决经典网络模型不能有效处理大尺寸图片的问题,采用了加权联合降维的特征融合与分类识别算法,根据两特征的识别贡献率对主成分分析法(PCA)降维处理和随机投影(RP)处理结果进行加权融合,然后将结果提供给卷积神经网络进行处理,提取图像分类的高层特征,使用欧氏距离分类器对识别对象进行分类,并进行了理论分析和实验验证.结果表明,经过加权联合降维对数据进行预处理,PCA矩阵与RP降维矩阵之比重达到6:4,识别率高达96%以上.该算法有效提高了准确率,使大尺寸图片在深度学习网络中有良好的识别效果,改善了网络的适应性.
图像处理、分类识别、加权特征融合、识别贡献率、卷积神经网络
42
TN911.73
国家自然科学基金资助项目11505104;山东省高等学校科技计划资助项目J15LN08
2018-09-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
666-672