核卷积神经网络研究与应用

来源：信号处理杂志 2019年第12期北京时间：

作者：包志强, 赵志超, 吕少卿, 黄琼丹

摘要：利用核函数非线性映射的优势，结合卷积神经网络算法，提出一种基于核卷积神经网络（Kernel-Convolutional Neural Network , Kernel-CNN）的新的网络学习模型。该方法首先对数据预处理，其次利用核卷积神经网络对数据进行特征提取，最后，构建softmax分类器对数据进行分类。本网络将非线性映射引入卷积过程构成核卷积过程，通过核卷积过程进一步增强模型的特征提取能力，在MNIST手写数字库以及美国麻省理工学院提供的MIT-BIH心律失常数据库上实验验证，本文模型正确率分别为98.5%、97%，均较好于卷积神经网络和支持向量机，且本文模型具有较小的LOSS值。

关键词：核函数, 非线性映射, 卷积神经网络, 支持向量机