基于PCA的GHA算法在BP网中的融合应用

• 作者: 吴小俊 宋晓宁 范燕 邵长斌
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 前馈神经网络 主成分分析 广义赫布算法 弹性梯度下降算法 性别分类 融合神经网络
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 302-306
• 页数: 5页
• 分类号: TP183
• 字数: 5121字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2015.12.065

摘要

针对传统特征提取方法和BP神经网络相结合而存在的缺点,提出一种新的分类器模型"PCABP网".首先利用PCA特征向量来初始化PCABP网的初始层权值矩阵,由此新模型的初始层起到取代PCA进行特征提取的作用.其次在训练过程中通过GHA和GD算法对初始层投影权值矩阵进行动态调节来优化特征向量.该方法从源头样本来优化"类别分离"和"特征提取",找到对样本降维和分类的最佳契合点,以此来替代传统模式识别中"首先单独特征提取,其次利用分类器分类"的方式.在FERET人脸库上的实验结果验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴小俊	江南大学物联网工程学院	170	1079	17.0	22.0
2	宋晓宁	江南大学物联网工程学院	21	48	3.0	6.0
3	邵长斌	江苏科技大学计算机科学与工程学院	7	6	2.0	2.0
4	范燕	江苏科技大学计算机科学与工程学院	15	62	5.0	7.0