文献类型：期刊文章

作　　者：杨志奇[1] 孙罡[1]

机构地区：[1]天津大学仁爱学院计算机科学与技术系,天津301636

出　　处：《计算机应用》

年　　份：2014

卷　　号：34

期　　号：A01

起止页码：137-140

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：反向传播(BP)神经网络算法在手势识别中得到了广泛的应用。为了对算法进行改进以提高BP神经网络的学习效率,提出一种基于量子粒子群优化BP神经网络的手势识别训练算法。在手势识别过程中,首先采用量子粒子群算法(QPSO)训练BP神经网络,获得优化的BP神经网络权值和阈值;合理地定义并提取BP神经网络的手势识别样本;最后采用训练过的BP神经网络对动态手势进行识别。该算法简单,不依赖初始值,并且收敛速度快,尤其对于高维复杂问题,能保证收敛到最优解。实验结果表明,该算法平均训练时间达到5.15 s,识别正确率达到95.1%,效果明显优于一般的BP神经网络算法。

关 键 词：反向传播神经网络 量子粒子群算法 手势识别 权值 阈值

分 类 号：TP183]