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。
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 image processing classification recognition weighted feature fusion recognition contribution rate convolutional neural network
