动作识别中基于深度神经网络和GA合并算法的分类决策方法

来源：计算机应用研究杂志2019年第7期北京时间：

作者：赵雪章,席运江,黄雄波,

单位：1.佛山职业技术学院,广东佛山528137；2.华南理工大学,广州510641；

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。

关键词：动作识别,分类决策,重新训练,遗传算法,深度神经网络,

基金资助：国家自然科学基金面上资助项目(71371077)；佛山市科技计划资助项目(2015AB004241)；；