[发明专利]基于量子神经网络的手写体图片分类方法

摘要

本发明公开了一种基于量子神经网络的手写体图片分类方法，其实现步骤是：(1)提取手写体图片特征；(2)构建二进制的量子粒子群算法的粒子种群；(3)利用粒子种群构建卷积神经网络；(4)训练卷积神经网络；(5)选取最优卷积神经网络；(6)判断最优卷积神经网络的分类准确度是否小于0.85，若是，执行步骤(7)；否则，执行步骤(8)；(7)利用量子更新策略，更新每个粒子的位置信息对应的卷积神经网络的结构和参数后执行步骤(3)；(8)输出最优卷积神经网络的分类结果。本发明具有分类准确高，能够处理大规模复杂的手写体图片分类的优点，有效的克服了现有技术中需要大量卷积神经网络的专业知识和设计经验的问题。

主权项

1.一种基于量子神经网络的手写体图片分类方法，其特征在于，采用二进制的量子粒子群优化算法构建卷积神经网络结构，对手写体图片进行分类，并利用量子更新策略对卷积神经网络结构和参数进行多次优化，最终得到手写体图片最优的分类结果，该方法的具体步骤包括如下：(1)提取手写体图片特征：(1a)从手写体图片数据库中随机选取60000张图片，每张手写体图片大小为28×28个像素点；从每张手写体图片中，将每行的像素点组成一个向量，将所有向量组成该张手写体图片特征；(1b)将60000张手写体图片特征划分为训练集和测试集，大小分别是10000张和50000张；(2)构建二进制的量子粒子群算法的粒子种群：将二进制的量子粒子群算法的粒子数量设置为30，根据二进制序列的初始化策略确定每个粒子的位置信息；(3)利用粒子种群构建卷积神经网络：(3a)根据二进制序列的编码策略，确定二进制的量子粒子群算法中每个粒子的位置信息所对应的卷积神经网络的网络层的类型及其参数，将所有的网络层依次连接，得到该粒子对应的卷积神经网络；得到30个粒子分别对应的30个卷积神经网络；(3b)将每个卷积神经网络的第一层修均设定为输入层，神经元个数设置为784个，激活函数为ReLU函数；将最后一层均设定为输出层，神经元个数设置为10，激活函数为softmax函数；(3c)将每个卷积神经网络中的权重值，设置为服从0到1之间的均匀分布的随机数；(4)训练卷积神经网络：将训练集中的手写体图片特征分别输入到每个卷积神经网络中，分别对每个卷积神经网络进行10次迭代训练，最终得到30个训练好的卷积神经网络；(5)选取最优卷积神经网络：(5a)将测试集中的手写体图片特征分别输入到每个训练好的卷积神经网络，分别对每个卷积神经网络进行1次测试，最终每个卷积神经网络分别得到测试集的手写体图片的分类结果；(5b)在每个卷积神经网络的分类结果中，统计分类正确的手写体图片数量，将其与测试集的手写体图片总数的比值，作为该卷积神经网络的分类准确度，将分类准确度最大的卷积神经网络作为最优卷积神经网络；(6)判断最优卷积神经网络的分类准确度是否小于0.85，若是，执行步骤(7)；否则，执行步骤(8)；(7)利用量子更新策略，更新每个粒子的位置信息对应的卷积神经网络的结构和参数后执行步骤(3)；(8)输出最优卷积神经网络的分类结果。