基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法

摘要

本发明公开了一种基于深度去噪稀疏自编码器及ISSVM的电子元件分类方法，包括：对电子元件图像预处理。构建深度去噪稀疏自编码器DDSA并完成特征提取：利用自编码器对原始特征进行降维，将稀疏自编码器堆叠在一起，采用贪婪训练分层策略，形成深度堆叠稀疏自编码器的鲁棒模型。构建去噪编码器，输入部分损坏的噪声数据样本，通过训练重建原始输入，完成去噪特征提取。提出增量学习支持向量机分类算法，将KT条件应用于原始训练数据集，并添加额外数据点，利用增量学习实现非线性SVM训练。形成结合稀疏自编码器DDSA和ISSVM的混合分类模型，并将其应用于电子元件的分类及测试中。本发明可以显著减少计算时间，提高分类精度，在电子元件的分类中表现良好。