论文部分内容阅读
针对传统特征提取方法和BP神经网络相结合而存在的缺点,提出一种新的分类器模型＂PCABP网＂。首先利用PCA特征向量来初始化PCABP网的初始层权值矩阵,由此新模型的初始层起到取代PCA进行特征提取的作用。其次在训练过程中通过GHA和GD算法对初始层投影权值矩阵进行动态调节来优化特征向量。该方法从源头样本来优化＂类别分离＂和＂特征提取＂,找到对样本降维和分类的最佳契合点,以此来替代传统模式识别中＂首先单独特征提取,其次利用分类器分类＂的方式。在FERET人脸库上的实验结果验证了该方法的有效性。