[发明专利]一种基于深度神经网络的数据类别识别方法及装置

摘要

本发明公开了一种基于深度神经网络的数据类别识别方法及装置，用以解决目前通过深度神经网络进行数据识别时，存在无法识别数据的类别信息的问题。本发明实施例中，在本地建立添加数据类别信息的深度神经网络，将待识别数据输入基于上述数据类别信息生成的深度神经网络的输入层中，获取该深度神经网络的输出层输出的待识别数据所属的类别信息。采用本发明技术方案，基于数据的类别信息建立深度神经网络，通过该深度神经网络，方便快捷地获得待识别数据的类别信息，从而实现了深度神经网络的类别识别功能，便于根据待识别数据的类别信息挖掘待识别数据的深层规律。

主权项

一种基于深度神经网络的数据类别识别方法，其特征在于，包括：建立初始深度神经网络；根据输入的训练样本向量集合，在本地保存的初始线性类别分析函数中添加数据类别信息后，生成线性类别分析函数；根据本地保存的无监督自编码模型优化函数，以及所述线性类别分析函数，获取所述初始深度神经网络的优化函数；根据所述初始深度神经网络的优化函数，获取所述初始深度神经网络的参数；根据本地保存的分类神经网络，所述初始深度神经网络，以及所述初始深度神经网络的参数，建立深度神经网络；其中，所述深度神经网络为至少包含输入层和输出层的多层网络结构；将待识别数据输入所述深度神经网络的输入层，获取所述深度神经网络的输出层输出的所述待识别数据所属的类别信息；所述根据本地保存的无监督自编码模型优化函数，以及所述线性类别分析函数，获取所述初始深度神经网络的优化函数为：ζ＝αζae(W)+(1‑α)ζlda(W)其中，α为所述初始深度神经网络的优化函数的系数，根据具体应用场景预先设置获取；ζae(W)为无监督自编码模型优化函数；ζlda(W)为所述线性类别分析函数；ζ为初始深度神经网络的优化函数。