摘要
本发明提供一种基于Laplace函数约束的稀疏深度置信网络图像分类方法,属于图像处理、深度学习领域。该方法首先基于对灵长类视觉皮层分析的启发,在无监督阶段似然函数中引入惩罚正则项,使用CD算法最大化目标函数的同时,通过Lapalce稀疏约束获得训练集的稀疏分布,可以使无标签数据学习到直观的特征表示。其次,提出一种改进的稀疏深度信念网络,使用拉普拉斯分布诱导隐含层节点的稀疏状态,同时将该分布中的尺度参数用来控制稀疏的力度。最后使用随机梯度下降法对LSDBN网络的参数进行训练学习。本发明所提的方法即使每类在样本很少的情况下,始终达到最好的识别准确度,并且具有良好的稀疏性能。