[发明专利]一种基于人工神经网络的空间信息学习方法

权利要求书

1.一种基于人工神经网络的空间信息学习方法，其特征在于：包括以下步骤：

步骤一、利用传统神经网络对输入图片进行抽象表达，在传统神经网络的中高层提取特征图得到特征向量F；

步骤二，对F通过下式进行滤波映射操作得到结构特征矩阵LF以增强数据显著性：

LF＝conv(F，Filter)；

其中，Filter表示卷积滤波选用的核函数，conv表示滤波映射操作采用的是卷积形式；

步骤三，对LF通过卷积神经网络进行卷积操作以得到更加抽象的特征表达X；

步骤四，由于计算能力的限制，步骤三计算产生的特征表达X无法在步骤五中计算相关矩阵，因此对抽象特征表达X进行GAP降维处理得到特征点x；

步骤五、对x通过如下公式进行相关性分析得到相关矩阵D＝x，x^T；

步骤六、对D通过如下公式进行投影操作，得到结构特征向量CD：

CD＝D，V；

其中，V表示对相关矩阵D进行投影变换使用的权值列向量，采用高斯分布进行初始化，V是通过训练获得的先验概率分布；

步骤七、对CD通过下述公式与步骤一原始特征向量F融合得到最终的特征输出：

Y(F)＝f+λ*CD；

其中，Y(F)为结合了原始卷积层计算得到的抽象特征表达F和全局空间中的位置信息表达CD，λ为融合因子。

2.根据权利要求1所述的一种基于人工神经网络的空间信息学习方法，其特征在于：所述Filter的使用，可以采用以下两种方式之一：

A.采用先验知识初始化核函数，在每一次计算函数输出值的时候将核函数看成是一个常量；

B.将核函数看成是一个自适应滤波器，其值会随反向传播算法而进行调整，最后选择一个最优的核函数。

3.根据权利要求1或2所述的一种基于人工神经网络的空间信息学习方法，其特征在于λ＝0.1。