基于主成分分析网络的改进图像分类算法

针对深层卷积神经网络模型的训练复杂、调参技巧和经验要求高、理论分析难等问题, 提出一种训练效率高、可解释性强以及理论分析简单的图像分类算法。基于主成分分析网络(Principal Component Analysis Network, PCANet)进行特征提取, 并采用宽度神经网络(Flat Neural Network, FNN)分类图像, 最后通过直接计算得到模型参数。根据训练数据集自适应决定宽度神经网络节点数目, 增加节点时不需要重新训练, 只需要调整局部参数。实验表明, 该模型能够快速训练, 较其他非监督分类算法以及传统深层神经网络, 该模型在识别准确率方面具有较强的竞争力。