[发明专利]基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法

权利要求书

1.一种基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法，其特征在于，包括以下步骤：

步骤1：对电子元件图像进行预处理；

步骤2：构建深度去噪稀疏自编码器DDSA并完成特征提取；利用自编码器对原始特征进行降维，将稀疏自编码器堆叠在一起，采用贪婪训练分层策略，形成深度堆叠稀疏自编码器的鲁棒模型；构建去噪编码器，通过输入部分损坏的噪声数据样本，通过训练重建原始输入，完成基于自编码器的去噪特征提取；

步骤3：提出增量学习支持向量机分类算法ISSVM，将KT条件应用于原始训练数据集，并添加额外数据点，利用增量学习实现非线性SVM训练方案；

步骤4：形成结合深度去噪稀疏自编码器DDSA和ISSVM的混合分类模型，DDSA负责特征降维及提取，ISSVM负责分类，并将其应用于电子元件的分类及测试中。

2.根据权利要求1所述的基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法，其特征在于，所述步骤1中，使用图像翻转、旋转、模糊、镜像方法进行数据增强扩充，对图像进行预处理，将各个元件原始数据按照7:3比例随机分配测试样本集及训练样本集，并将其存放于数据库中，具体预处理操作为：

步骤1.1：应用Viola和Jones(VJ)的集成电子元件检测器来检测和定位电子元件周围边界框；

步骤1.2：定位电子元件标志，在电子元件图像的初步检测之后，采用鲁棒的约束局部神经域模型CLNF来检测每个电子元件的标志，并通过获取电子元件的一号引脚坐标来旋转和对齐器件；

步骤1.3：归一化电子元件图像数据，采用仿射变换来完成电子元件图像的归一化，包括仿射变换的对齐处理及图像数据的归一化。

3.根据权利要求2所述的基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法，其特征在于，所述步骤1.3中的归一化具体包括：

(1)通过对元件的旋转、缩放、扭曲和裁剪仿射变换完成初步对齐处理；其中，元件的中心点是界标检测中获得的一号引脚坐标，利用元件中心引脚之间的距离来确定图像旋转的角度及比例，从而完成仿射扭曲；扭曲后，再将元件图像进行裁剪，使中心引脚在元件图像中居中，裁剪区域同样由中心引脚确定，涉及到中心引脚的边缘参数，该参数通常取值在0.15到0.2之间；

(2)通过灰度信息完成对照明信息的归一化处理；即将每个像素除以255，将每个像素重新缩放为[0，1]，并减去平均值，以使电子元件图像中的像素值居中。