基于改进主成分分析网络的手写数字识别方法

• 作者: 叶显一 张彦铎 闵锋
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 手写数字识别 主成分分析网络 压缩感知 深度学习 特征提取
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 机器人控制及其他
• 页码范围: 101-105
• 页数: 5页
• 分类号: TP319
• 语种: 中文
• DOI: 10.13245/j.hust.181218

摘要

针对人工特征对于多样性的变化没有很好鲁棒性,并且主成分分析网络提取的特征维数过高导致分类效率低且对内存消耗大的问题,提出了一种主成分分析网络和压缩感知结合的手写数字识别方法.首先,利用改进的主成分分析网络对图像进行特征提取;然后,用一个非常稀疏且符合压缩感知RIP条件的随机测量矩阵对抽取的特征空间投影,得到一个低维压缩子空间,该子空间可以保留高维图像特征空间的信息;最后,采用支持向量机对降维后特征进行训练和识别.实验结果表明:该方法识别率高、训练时间短;同时,该方法在加入池化层并进行压缩感知后,特征维数更低,模型内存占用更小,分类识别的速度更快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张彦铎	武汉工程大学计算机科学与工程学院	43	206	7.0	11.0
2	闵锋	武汉工程大学计算机科学与工程学院	18	37	3.0	4.0
3	叶显一	武汉工程大学智能机器人湖北省重点实验室	1	3	1.0	1.0