-
题名基于PCA降维的分层超限学习机手势识别方法
被引量：13
- 1
-
-
作者
吴良圆
魏书宁
周棒棒
陈远毅
-
机构
湖南师范大学物理与信息科学学院物联网技术及应用重点实验室
-
出处
《电子测量技术》
2017年第3期82-88,共7页
-
基金
湖南省教育厅科研项目(14C0685)资助
-
文摘
针对原始超限学习机在手势识别应用中欠缺良好的泛化性能和鲁棒性等问题,运用主成分分析(PCA)算法降低手势数据维数简化数据结构,并引入以超限学习机为基础,根据多层感知器理论拓展的分层超限学习机作为分类器应用于手势识别。PCA算法提取手势图像的主要特征,通过分层超限学习机的稀疏自动编码和分层训练,获得原始输入的多层稀疏表达,使自动编码后的输出近似原始输入,最大限度地减少重构误差,提高特征分类的精度。实验表明,与原始的超限学习机相比,具有更好的泛化性能,更快的识别速率以及更高的识别精度,提高了整体的学习性能。
-
关键词
主成分分析
超限学习机
分层超限学习机
手势识别
自动编码
-
Keywords
PCA
extreme learning machine
hierarchical extreme learning machine
gesture recognition
spare autoencoder
-
分类号
TN919.81
[电子电信—通信与信息系统]
TP391.4
[电子电信—信息与通信工程]
-
