摘要：提出一種基于受限玻爾茲曼機和卷積神經(jīng)網(wǎng)絡混合模型的遷移學習圖像分類方法,該方法由其它兩種模型特征的學習能力融合而來,把圖像結(jié)構(gòu)性高階統(tǒng)計特征提取出來,進行主題分類。算法實現(xiàn)過程為首先使用受限玻爾茲曼機替代卷積神經(jīng)網(wǎng)絡模型中的全連接層,并針對卷積神經(jīng)網(wǎng)絡型的小目標集形成新的功能結(jié)構(gòu),以目標集為載體,對受限波爾茲曼機層和Softmax層進行重新訓練;其次該過程中采用BP算法對相關(guān)參數(shù)予以調(diào)整,受限玻爾茲曼機層關(guān)聯(lián)maps的同時,還從最大對數(shù)似然的角度完成目標集統(tǒng)計特征的學習,有效地防止了數(shù)據(jù)集差異條件對遷移學習特征的負面影響,保證了數(shù)據(jù)學習的合理性。研究表明,該方法分類準確率高,適用性強。