[发明专利]一种基于带变异粒子群算法的可变拓扑结构的深度神经网络图像识别方法

摘要

本发明公开了一种基于带变异粒子群算法的可变拓扑结构的深度神经网络图像识别方法，包括对图像数据的预处理；通过粒子群算法搜寻深度神经网络对于图像数据的特征的抽象维度和所需的特征数；通过变异操作提高算法的探索性能；通过反向传播算法对深度神经网络参数进行优化；对待识别的图片数据进行识别。本发明在充分利用粒子群算法搜索速度快、效率高的优点，运用粒子群优化深度神经网络对于图像数据的特征的抽象维度和所需的特征数，解决以往只凭借研究人员经验确定深度网络的层数和节点数的问题，进一步提高深度神经网络的性能，从而降低研究人员试验时间并且提高手写体数字识别准确性。

主权项

1.一种基于粒子群算法的可变拓扑结构的深度神经网络的图像识别方法，其特征在于，包括下列步骤：步骤1 图像数据集的预处理，首先将图像数据集划分为训练集、测试集，然后对其进行归一化处理，并对标签数据进行one‑hot编码；步骤2 按照图片数据的特征将深度神经网络结构按照粒子群算法所需方式编码，并进行初始化；步骤3 初步训练网络并计算出各个神经网络在测试集上的准确率；步骤4 找出个体最优的特征数和全局最优的特征数，并通过微粒群算法优化深度神经网络每层所需的特征数，使用错误率作为适应度函数值；步骤5 将得到的最优结构通过反向传播算法，使用梯度下降法在训练集上训练，通过测试集测试，得到最终结果。