基于深度学习的图像识别算法研究控制科学与工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 声 声 明 本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下，独 立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含 其他个人或集体己经发表或撰写过的科研成果。对本文的研究做出重要贡 献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人 承担。 论文作者签名： 牟14；L霞 日期：矽万．◆? 关于学位论文使用权的说明 本人完全了解太原理工大学有关保管、使用学位论文的规定，其中包 括：①学校有权保管、并向有关部门送交学位论文的原件与复印件；②学 校可以采用影印、缩印或其它子复制手段复制并保存学位论文；③学校可 允许学位论文被查阅或借阅；④学校可以学术交流为目的，复制赠送和交 换学位论文；⑤学校可以公布学位论文的全部或部分内容(保密学位论文 在解密后遵守此规定)。 作者签名： 耷晚敢 日期：矽心．6．8 导师签名： 韩蝴 日期：麴丛!：6：墨 万方数据 太原理工大学硕士研究生学位论文基于深度学习的图像识别算法研究 太原理工大学硕士研究生学位论文 基于深度学习的图像识别算法研究 摘要 mⅢ㈣ⅧⅢm舢Ⅲ圳m㈣Ⅲl Y2797679 在当今社会，图像识别技术被广泛应用，．并且在各个领域发挥着极其 重要的作用。好的识别技术是关键所在，怎么样提高识别率和识别的速度 意义重大，直接关系到图像识别的实用性和安全性。 深度网络的多层结构相比浅层网络，能用更简洁的方式表达复杂函数， 能学习得到深层的特征表示，因此，本文将深度学习应用到图像识别中， 进一步提高图像识别的准确性。一方面，将深度学习和支持向量机相结合， 构建用于图像识别的模型，另一方面，利用卷积限制性玻尔兹曼机构建深 度网络，同时改进训练过程。 本文研究的主要工作包括： (1)认真分析了图像识别的方法及存在的问题，对现有的图像识别算 法进行了对比研究，详细叙述了深度学习的发展和进展，对比了深度学习 结构相比浅层结构的优势所在，总结了深度学习的常用方法，详细介绍了 限制性玻尔兹曼机和卷积限制性玻尔兹曼机的原理和训练过程。 (2)将深度学习和支持向量机相结合，将多个限制性玻尔兹曼机与 SVM连接构建多层分类模型，用深度学习的方法提取样本特征，然后用 SVM方法进行分类，并将其应用到图像识别任务中。通过实验验证，在样 本较少的情况下，与支持向量机和深度信念网络进行比较效果良好，并且 通过不同样本数、层数、节点数与正确率的比较，讨论了隐含层节点数与 支持向量数的关系，并且讨论了相关参数对结果的影响。 (3)对由卷积限制性玻尔兹曼机构成的卷积深度信念网络的训练过程 万方数据 太原理工大学硕士研究生学位论文进行改进，通过交替进行无监督和有监督学习来训练网络，最后将该网络 太原理工大学硕士研究生学位论文 进行改进，通过交替进行无监督和有监督学习来训练网络，最后将该网络 用于图像识别中，通过实验验证了可行性和有效性，讨论了卷积核大小对 结果的影响。 关键词：深度学习，图像识别，限制性玻尔兹曼机，卷积限制性玻尔兹曼 机，支持向量机 II 万方数据 太原理工大学硕士研究生学位论文RESEARCH 太原理工大学硕士研究生学位论文 RESEARCH ON IMAGE RECOGNITION BASED ON DEEP LEARNn呵G ALGORITHM AB STRACT Image recogllition tecllll0109y has been widely applied and played an iInportant role in Various fields nowadays．Good reco盟ition technology is the key．To iInproVe the recogllition rate a11d speed have great sigIlificance，which innuence image recognition practicality and saf．ety directly． Because of multi一1ayer stnlcture of de印ne觚ork can use a more concise way to express complex缸nctions．Therefore，de印le锄ing will be applied to the image recogllition to improVe tlle accuracy of image recogllition．Firstly’ support Vector machine is combined with de印1eaming to build the model for image recognit