基于量子粒子群优化反向传播神经网络的手势识别

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。