[發明專利]一種基于底層融合特征的深度置信網絡圖像分類協議

在審

• 申請號: 201611240795.9
• 申請日: 2016-12-28
• 公開（公告）號: CN106845525A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 熊鵬
• 申請（專利權）人: 上海電機學院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海申匯專利代理有限公司31001
• 代理人: 翁若瑩,吳小麗

1.一種基于底層融合特征的深度置信網絡圖像分類協議，其特征在于，步驟為：

步驟1：提取樣本圖像中的顏色、紋理和形狀特征，構成多特征融合的權重矩陣；

步驟2：對所述權重矩陣進行歸一化處理；

步驟3：利用歸一化處理后的權重矩陣作為原始數據對深度置信網絡進行訓練和測試，得出分類結果。

2.如權利要求1所述的一種基于底層融合特征的深度置信網絡圖像分類協議，其特征在于：所述深度置信網絡是由多個受限波爾茲曼機模型RBM連接在一起的結構和一個BP神經網絡構成的深度結構；將各層RBM連接，前一層RBM的輸出作為后一層RBM的輸入，最后一層RBM輸出作為BP神經網絡的輸入，構成整個深度置信網絡；所述原始數據輸入第一層RBM，BP神經網絡的輸出即為分類結果。

3.如權利要求2所述的一種基于底層融合特征的深度置信網絡圖像分類協議，其特征在于：所述RBM將原始數據進行逐層的特征提取，從具體到抽象，使得神經網絡得到的輸入成為一個更加易于分類的特征向量，同時，多層RBM組成的深度結構使得在特征提取過程中的錯誤或者冗余信息被逐層弱化，并最終在BP神經網絡的反向調整過程中使模型達到整體最優。

4.如權利要求1～3任一項所述的一種基于底層融合特征的深度置信網絡圖像分類協議，其特征在于：所述步驟3中，從原始數據中，隨機選擇80％～90％作為訓練集，其余作為測試集。

5.如權利要求4所述的一種基于底層融合特征的深度置信網絡圖像分類協議，其特征在于：利用所述訓練集對深度置信網絡進行訓練，得到深度置信網絡的權重和偏置參數；采用訓練過程得到的參數確定的深度置信網絡對測試集進行測試，并進行誤差評估，得出分類結果。