蜜蜂CNN模糊进化深度学习算法：人脸识别与智能优化（MATLAB源码分享）_模糊蜜蜂算法

蜜蜂CNN模糊进化深度学习算法（人脸识别，智能优化算法，MATLAB源码分享）
在训练阶段之后，可以使用进化算法拟合深度学习权重和偏差。
这里，CNN用于对8个人脸类别进行分类。
在CNN训练之后，创建初始模糊模型以帮助学习过程。
最后，CNN网络权重（来自全连接层）使用蜜蜂算法训练，以自然启发的方式进行拟合（这里是蜜蜂的行为）。
可以将数据与任意数量的样本和类一起使用。
请记住，代码的参数是根据数据进行调整的，如果要替换数据，可能需要更改参数。
图像数据大小为64*64，2维，存储在“CNNDat”文件夹中。
因此，重要的参数如下：
“numTrainFiles”=您必须根据每个类中的样本数量来更改它。
例如，如果每个类有120个样本，那么90个就足够好了，因为90个样本用于训练，而其他样本用于测试。
“imageInputLayer”=图像数据的大小，如[64 64 1]
“fullyConnectedLayer（完全连接层）”=类的数量，如（8）
“MaxEpochs”=越多越好，计算运行时间越长，如405。
“ClusNum”=模糊C均值（FCM）聚类数，如3或4很好

ID:5630691054012440