基于主成分分析网络的改进图像分类算法
针对深层卷积神经网络模型的训练复杂、调参技巧和经验要求高、理论分析难等问题,提出一种训练效率高、可解释性强以及理论分析简单的图像分类算法.基于主成分分析网络(Principal Component Analysis Network,PCANet)进行特征提取,并采用宽度神经网络(Flat Neural Network,FNN)分类图像,最后通过直接计算得到模型参数.根据训练数据集自适应决定宽度神经网络节点数目,增加节点时不需要重新训练,只需要调整局部参数.实验表明,该模型能够快速训练,较其他非监督分类算法以及传统深层神经网络,该模型在识别准确率方面具有较强的竞争力.
图像处理、主成分分析网络、宽度神经网络、快速训练、可解释性
56
TP391.4(计算技术、计算机技术)
国家重点研发计划2017YFC0804400
2019-06-05(万方平台首次上网日期,不代表论文的发表时间)
共11页
65-75