摘要：提出一種基于受限玻爾茲曼機(jī)和卷積神經(jīng)網(wǎng)絡(luò)混合模型的遷移學(xué)習(xí)圖像分類(lèi)方法,該方法由其它兩種模型特征的學(xué)習(xí)能力融合而來(lái),把圖像結(jié)構(gòu)性高階統(tǒng)計(jì)特征提取出來(lái),進(jìn)行主題分類(lèi)。算法實(shí)現(xiàn)過(guò)程為首先使用受限玻爾茲曼機(jī)替代卷積神經(jīng)網(wǎng)絡(luò)模型中的全連接層,并針對(duì)卷積神經(jīng)網(wǎng)絡(luò)型的小目標(biāo)集形成新的功能結(jié)構(gòu),以目標(biāo)集為載體,對(duì)受限波爾茲曼機(jī)層和Softmax層進(jìn)行重新訓(xùn)練;其次該過(guò)程中采用BP算法對(duì)相關(guān)參數(shù)予以調(diào)整,受限玻爾茲曼機(jī)層關(guān)聯(lián)maps的同時(shí),還從最大對(duì)數(shù)似然的角度完成目標(biāo)集統(tǒng)計(jì)特征的學(xué)習(xí),有效地防止了數(shù)據(jù)集差異條件對(duì)遷移學(xué)習(xí)特征的負(fù)面影響,保證了數(shù)據(jù)學(xué)習(xí)的合理性。研究表明,該方法分類(lèi)準(zhǔn)確率高,適用性強(qiáng)。