[发明专利]一种提取特征逻辑用于分类的卷积树突方法

权利要求书

1.一种提取特征逻辑用于分类的卷积树突方法，其特征在于，包括如下步骤：

步骤1、输入图像信号或时间序列信号作为输入数据，利用权重矩阵对输入数据的卷积运算提取输入数据特征得到特征数据；

步骤2、将特征数据与偏置矩阵求和引入常数项得到中间数据；

步骤3、将包含特征数据和常数项的中间数据与中间数据本身做哈达姆积构造特征之间的逻辑关系；

步骤4、采用误差反向传播算法迭代优化权重矩阵和偏置矩阵，从而保留对分类精度有贡献的特征逻辑关系作为本层的输出数据，本层的输出数据为下一层的输入数据；

步骤5重复上述步骤(1)～(4)即可构造出更深层次的逻辑关系用于分类。

2.根据权利要求1所述的一种提取特征逻辑用于分类的卷积树突方法，其特征在于，所述步骤1利用权重矩阵对输入数据进行卷积运算得到特征数据具体包括：

式中n为层标记，X_F为特征数据，X_in为输入数据，W为权重矩阵，为卷积。

3.根据权利要求1所述的一种提取特征逻辑用于分类的卷积树突方法，其特征在于，所述步骤2将特征数据与偏置矩阵求和获得中间数据：

式中n为层标记，X_M为中间数据，X_F为特征数据，B为偏置矩阵。

4.根据权利要求1所述的一种提取特征逻辑用于分类的卷积树突方法，其特征在于，所述步骤3将中间数据与中间数据本身做哈达姆积运算构造特征之间的逻辑关系得到本层的输出数据：

式中n为层标记，X_out为输出数据，X_M为中间数据，○为哈达姆积。

5.根据权利要求1所述的一种提取特征逻辑用于分类的卷积树突方法，其特征在于，所述步骤4本层的输出数据为下一层的输入数据：

式中n为层标记，X_in为输入数据，X_out为输出数据。