推荐星级：
- 1
- 2
- 3
- 4
- 5
动作识别中基于深度神经网络和GA合并算法的分类决策方法
资料介绍
摘要针对人体动作识别中传统方法在分类决策方面存在问题和缺陷，提出了一种新颖的基于深度神经网络（DNN）和遗传算法（GA）合并算法的非线性分类决策方法。首先，提出的合并算法在整个训练集合上对特征提取器进行组合，进而组合成不同的两个独立网络；再利用DNN对两个独立网络进行初始化，进一步利用GA对两个网络进行合并。然后将网络的偏差和权重表示为每层网络间的一个矩阵；最后，利用DNN对网络的偏差和权重进行训练，并在合并过程中将矩阵中的每一行当作一个染色体。实验采用了标准MNIST数据集对提出算法的性能进行评估。评估结果显示实验过程中的交叉和突变操作增加了神经元节点，提高了识别性能，并且弱化了不相关和相关神经元节点。因此，提出算法的错误率更低，网络性能更优异。
关键词动作识别；分类决策；重新训练；遗传算法；深度神经网络
部分文件列表
| 文件名 | 大小 |
| 动作识别中基于深度神经网络和GA合并算法的分类决策方法.pdf | 1M |
全部评论(0)