基于PCA初始化卷积核的CNN手写数字识别算法

摘要：

针对卷积神经网络对手写数字识别训练在卷积核随机初始化情况下收敛速度慢和识别率低的问题,提出一种主成分分析(PCA)初始化卷积核的卷积神经网络(CNN)手写数字识别算法.算法首先选取训练样本集并将其送入CNN,在相应层对Feature Map进行全覆盖取图像块处理,然后进行分层PCA学习,将学习到的特征向量做为对应卷积层的卷积核参数进行初始化,最后再用这些卷积核对原始图像进行卷积操作.实验结果表明,与随机初始化卷积核的CNN手写数字识别算法相比,改进的算法在应用MNIST数据库训练时不仅收敛,而且在产生相同均方误差的情况下迭代次数少,识别率高.

关键词：主成分分析、卷积神经网络、卷积核、手写数字识别

所属期刊栏目：55

分类号：TP391.41(计算技术、计算机技术)

资助基金：河南省高等学校重点科研项目13160025

在线出版日期：2019-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：134-139