加权联合降维的深度特征提取与分类识别算法

• 作者: 冯玮 张磊 王玉德
• 来源期刊: 激光技术
• 学科: 工学
• 关键词: 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
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 光通信与光信息技术
• 页码范围: 666-672
• 页数: 7页
• 分类号: TN911.73
• 字数: 3724字
• 语种: 中文
• DOI: 10.7510/jgjs.issn.1001-3806.2018.05.016

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王玉德	曲阜师范大学物理工程学院	49	334	11.0	16.0
2	冯玮	曲阜师范大学物理工程学院	3	15	3.0	3.0
3	张磊	曲阜师范大学物理工程学院	5	7	2.0	2.0