基于优化KPCA算法的神经网络图像分类识别方法

摘要

本发明公开一种基于优化KPCA算法的神经网络图像分类识别方法，在高维度空间计算不同向量的余弦相似度，再利用矩阵秩最小化对KPCA算法的原矩阵进行降维处理，最大程度的保留了原始数据的有效信息，提取更好的特征向量作为卷积层的权重值，解决了原KPCA算法用于卷积神经网络图像分类预测时，卷积核初始化计算复杂，容易造成“维度灾难”，提取不到可靠特征，导致整个网络难以训练，以及网络架构对图像噪声敏感性的问题，从而提高了整个网络模型的鲁棒性和预测性能，并最终提升图像分类识别的效果。