摘要

针对人体动作识别中传统方法在分类决策方面存在的问题和缺陷,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做一个染色体。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。

全文