融合主成分分析与并行混合的卷积神经网络

• 作者: 马文楷
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 卷积神经网络 主成分分析 局部对比度标准化 概率最大化下采样 并行混合
• 年，卷（期）: 2018,（9）
• 页码范围: 199-200
• 页数: 2页
• 分类号: TP391

摘要

针对卷积神经网络在小样本易产生过拟合,性能较差等问题,提出融合主成分分析（Principal Component Analysis,PCA）与并行混合的卷积神经网络（PCA Parallel Mixing CNN, PCA-PMCNN）模型。该模型首先利用主成分分析非监督预训练初始化卷积神经网络,学习得到含有训练数据统计特性的初始滤波器集合,以解决首层滤波器集无法充分训练的问题;其次,引入局部对比度标准化概念及概率最大化采样规则,以减小下采样对特征的损失,增强特征描述的鲁棒性;最后,采用线性修正函数（Rectified Linear Units, ReLU）代替非线性激活函数,以保证特征稀疏,提高训练效率。实验结果表明该模型对行人目标具有较好的识别率,对行人重叠、姿态变化、复杂背景等具有较好的鲁棒性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马文楷	江西理工大学信息工程学院	3	0	0.0	0.0