[发明专利]一种基于底层融合特征的深度置信网络图像分类协议

权利要求书

1.一种基于底层融合特征的深度置信网络图像分类协议，其特征在于，步骤为：

步骤1：提取样本图像中的颜色、纹理和形状特征，构成多特征融合的权重矩阵；

步骤2：对所述权重矩阵进行归一化处理；

步骤3：利用归一化处理后的权重矩阵作为原始数据对深度置信网络进行训练和测试，得出分类结果。

2.如权利要求1所述的一种基于底层融合特征的深度置信网络图像分类协议，其特征在于：所述深度置信网络是由多个受限波尔兹曼机模型RBM连接在一起的结构和一个BP神经网络构成的深度结构；将各层RBM连接，前一层RBM的输出作为后一层RBM的输入，最后一层RBM输出作为BP神经网络的输入，构成整个深度置信网络；所述原始数据输入第一层RBM，BP神经网络的输出即为分类结果。

3.如权利要求2所述的一种基于底层融合特征的深度置信网络图像分类协议，其特征在于：所述RBM将原始数据进行逐层的特征提取，从具体到抽象，使得神经网络得到的输入成为一个更加易于分类的特征向量，同时，多层RBM组成的深度结构使得在特征提取过程中的错误或者冗余信息被逐层弱化，并最终在BP神经网络的反向调整过程中使模型达到整体最优。

4.如权利要求1～3任一项所述的一种基于底层融合特征的深度置信网络图像分类协议，其特征在于：所述步骤3中，从原始数据中，随机选择80％～90％作为训练集，其余作为测试集。

5.如权利要求4所述的一种基于底层融合特征的深度置信网络图像分类协议，其特征在于：利用所述训练集对深度置信网络进行训练，得到深度置信网络的权重和偏置参数；采用训练过程得到的参数确定的深度置信网络对测试集进行测试，并进行误差评估，得出分类结果。