程国建　郭文惠

摘要；如何提高图像分类的准确度是图像研究的重要课题，而图像特征的提取在图像分类准确度方面起决定性作用。该文详细阐述了深度信念网络结构及其自动提取图像特征的过程，并对其原理进行了详细分析，说明了深度信念网络应用于图像分类的可靠性。

关键词：图像分类；深度信念网络；特征提取

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）07-0173-02

随着社会的不断进步，图像已经成为重要的信息来源。而图像分类是图像处理中的一项重要工作，尤其对海量图像进行分类并提高其准确度，是当前图像处理领域中要解决的关键问题之一，包括张旭、付仲良x、Mariusz Myllarczuk等在内的许多研究者在图像处理方面做了大量研究。深度信念网络是一种典型的深度学习算法，目前，已有很多研究者将深度信念网络应用于图像分类中，可以用于多特征融合及深度信念网络进行了植物叶片识别、深度信念网络识别了手写数字、深度神经网络在小图像分类中的应用等。

传统的岩石图像分类是人工提取特征的，具有一定的主观性并且效率低下，而深度信念网络能自动提取图像的特征，克服了人工提取的不足，为图像分类奠定坚实的基础，可用于大量图像的分类并具有较高的准确度。

1受限玻尔兹曼机（RBM）

1.1受限玻尔兹曼机简介

受限玻尔兹曼机可看作一个两层的神经网络，遵循神经网络的一般特性。相比于传统玻尔兹曼，RBM的特点是层间神经元全连接，而层内神经元无连接。……