基于PCA的深度信念网的手势识别研究

• 作者: 徐旭雄
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 手势识别 PCA 深度信念网 SVM 鲁棒性
• 年，卷（期）: 2017,（13）
• 所属期刊栏目: 人工智能
• 页码范围: 55-58
• 页数: 4页
• 分类号: TP391.9
• 字数: 2922字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.13.017

摘要

针对现有的手势识别均采用有监督模型进行特征提取和识别的现状,提出一种基于PCA的深度信念网(DBN)的半监督的手势特征提取与识别方法.运用所提方法进行了大量的实验,证明该方法与直接将图片输入到DBN网络相比,可以有效降低DBN的训练时间,并且识别率也有所提高;并且该方法与传统的有监督的SVM的手势识别方法相比,训练时间大幅度减少而识别率也有很大的提升.最后,对该方法进行了鲁棒性验证,经过大量实验,证明了其具有很强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐旭雄	上海海事大学信息工程学院	1	1	1.0	1.0