基于PCA的GHA算法在BP网中的融合应用

摘要

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.