[發明專利]基于粒子群優化BP神經網絡的步態識別方法

有效

• 申請號: 201910562766.1
• 申請日: 2019-06-26
• 公開（公告）號: CN110232372B
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 鄒倩穎;劉俸宇;王小芳
• 申請（專利權）人: 電子科技大學成都學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/00;G06N3/04
• 代理公司: 成都時譽知識產權代理事務所(普通合伙) 51250
• 代理人: 李正

1.一種基于粒子群優化BP神經網絡的步態識別方法，其特征在于，包括以下步驟：

S1：建立BP神經網絡模型；

S2：采用粒子群算法優化所述BP神經網絡模型的連接權值和閾值，使所述BP神經網絡模型的全局誤差達到預設精度；

S3：將行走目標的特征值矩陣輸入至優化后的所述BP神經網絡模型中進行訓練，訓練成功后，得到粒子群優化BP神經網絡模型；

S4：將待識別行走目標的特征值矩陣輸入至所述粒子群優化BP神經網絡模型中進行步態識別，輸出相應的步態識別結果；

所述步驟S2中，采用粒子群算法對所述BP神經網絡模型的正向傳播進行優化，其包括以下步驟：

S201：對輸入層的神經元進行粒化處理，得到相應的粒子群，并隨機初始化所述粒子群；

S202：將隱含層的輸出函數作為適應度函數，計算出每個粒子的適應度值，并選取最優的適應度值作為群體歷史最優值；

S203：利用每個粒子的歷史最優值進行迭代更新，更新每個粒子的歷史最優位置和速度；

S204：若計算出滿足條件的適應度值或者迭代次數達到最大迭代數，則停止迭代，并將隱含層的最優輸出結果輸入至輸出層，否則進入步驟S202繼續迭代；

S205：利用隱含層的最優輸出結果，計算出輸出層的輸出結果，并將輸出層的輸出結果代入誤差函數，以計算出全局誤差、第一偏導數以及第二偏導數；并利用第一偏導數，更新輸入層與隱含層之間的連接權值，以及利用第二偏導數，更新隱含層與輸出層之間的連接權值；其中，所述第一偏導數為誤差函數對于輸入層與隱含層之間的連接權值的偏導數，所述第二偏導數為誤差函數對于隱含層與輸出層之間的連接權值的偏導數；

S206：判斷全局誤差的數值是否達到預設精度，若是，則完成正向傳播優化；若否，則進一步判斷迭代次數是否達到最大迭代數，若未達到，則進入步驟S201繼續對所述BP神經網絡模型的正向傳播進行優化；若達到，則對所述BP神經網絡模型的反向傳播進行優化；

對所述BP神經網絡模型的反向傳播進行優化包括以下步驟：

a、對輸入層的神經元進行粒化處理，得到相應的粒子群，并隨機初始化所述粒子群；

b、將誤差函數對于輸入層與隱含層之間的連接權值的偏導數以及誤差函數對于隱含層與輸出層之間的連接權值的偏導數分別作為適應度函數，計算出每個粒子相應的適應度值，并選取最優的適應度值作為群體歷史最優值；

c、利用每個粒子的歷史最優值進行迭代更新，更新每個粒子的歷史最優位置和速度；

d、若計算出滿足條件的適應度值或者迭代次數達到最大迭代數，則停止迭代，將滿足條件的適應度值或最大迭代次數的適應度值作為最優偏導數，否則進入步驟b繼續迭代；

e、利用誤差函數對于輸入層與隱含層之間的連接權值的最優偏導數，修正當前輸入層與隱含層之間的連接權值，以及利用誤差函數對于隱含層與輸出層之間的連接權值的最優偏導數，修正當前隱含層與輸出層之間的連接權值；

f、若全局誤差的數值達到預設精度或者迭代次數達到最大迭代數，則完成反向傳播優化，否則，進入步驟a繼續對所述BP神經網絡模型的反向傳播進行優化。