结合颅骨形态特征与神经网络的民族判别

• 作者: 孙慧杰 赵俊莉 郑鑫 热孜万古丽·夏米西丁 李奕 周明全
• 来源期刊: 北京航空航天大学学报
• 关键词: 颅骨形态特征 反向传播神经网络(BPNN) 颅骨民族判别 机器学习 Adam算法
• 年，卷（期）: 2021,（3）
• 页码范围: 641-649
• 页数: 9页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13700/j.bh.1001-5965.2020.0446

摘要

针对颅骨民族判别问题,提出结合颅骨形态特征与神经网络的判别方法,可以推进法医人类学的发展,加快探索民族发展历程.首先,根据颅骨形态学相关研究,提取36个维吾尔族和汉族颅骨数据的几何特征;其次,采用反向传播神经网络(BPNN)对特征向量进行民族判别,并通过Adam算法对网络进行优化,避免陷入局部最优值,添加正则化项保证算法稳定性;最后,分别采用2种网络结构进行对比实验,输入层、隐藏层和输出层的神经元个数分别为36、6、2和36、12、2,并设置不同初始学习率进行对比实验.结果表明:隐藏层神经元个数为12、学习率为0.0001时,分类精度最高,测试阶段平均准确率最高为97.5％.为了验证所提方法的普适性,生成116例国外颅骨数据进行实验,测试阶段平均准确率为90.96％.相比较于支持向量机(SVM)、决策树、KNN、Fisher等机器学习方法,所提方法学习能力更强且分类精度有明显提升.