[发明专利]一种基于延迟机制的单层图像分类方法

说明书

本发明公开了一种基于延迟机制的单层图像分类方法，属于图像处理技术领域，其包括以下步骤：S1、构建图像分类模型；S2、采用图像集对图像分类模型进行训练，得到训练完成的图像分类模型；S3、采用训练完成的图像分类模型对图像进行分类，得到图像的类别；图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和单层分类器；本发明解决了Tempotron学习算法仅仅依靠调整突触权重，导致学习效果极易受到干扰的问题。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于延迟机制的单层图像分类方法。

背景技术

Tempotron是对脉冲神经元膜电压变化描述的最早的算法之一，开创性地描述了基于膜电压驱动的一类算法的基本特征。突触权重的调整只与最大膜电压有关，只需要考虑阈值、核函数的影响。Tempotron在脉冲神经网络中的作用类似于感知机的基础作用。Tempotron算法的简单性导致其只能解决二分类问题。但是众多的科研工作者也基于Tempotron算法进行了大量的创新和改进

Tempotron算法主要有两个缺陷：一是突触后膜电压只能发放一个脉冲，然后不再接收传入信号，导致了Tempotron算法的局限性，针对这个问题，有学者已经提出了Muti-Tempotron等算法进行优化解决；二是Tempotron算法调整策略单只能通过突触权重的调整完成训练和学习的目的。然而，单一的调整策略导致学习算法的学习效率低，且学习效果极易受到干扰。

发明内容

针对现有技术中的上述不足，本发明提供的一种基于延迟机制的单层图像分类方法解决了Tempotron学习算法仅仅依靠调整突触权重，导致学习效果极易受到干扰的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种基于延迟机制的单层图像分类方法，包括以下步骤：

S1、构建图像分类模型；

S2、采用图像集对图像分类模型进行训练，得到训练完成的图像分类模型；

S3、采用训练完成的图像分类模型对图像进行分类，得到图像的类别。

进一步地，步骤S1中图像分类模型包括依次连接的特征提取单元、脉冲延迟编码单元和单层分类器；

所述特征提取单元用于对图像进行特征提取，得到特征图像数据；

所述脉冲延迟编码单元用于对特征图像数据进行编码，得到激发脉冲时间序列；

所述单层分类器用于处理激发脉冲时间序列，得到图像的类别。

进一步地，脉冲延迟编码单元对特征图像数据进行编码的公式为：

t_i＝t_max-ln(ax_i+1) (1)

其中，t_i为第i个像素点对应的激发脉冲时间点，t_max为编辑时间窗的大小，a为编码参数，x_i为特征图像数据对应的第i个像素点的像素值。

进一步地，单层分类器的输入层包括：正模式L+和负模式L-两类神经元，共计N个神经元；

其训练方法为：

A1、根据激发脉冲时间序列，计算激发脉冲时间序列在输入到单层分类器的输入层神经元后，输入层神经元的脉冲膜电位电压：

A2、判断在正模式L+下，时刻输入层神经元的脉冲膜电位电压是否小于阈值，若是，则找到时刻之前的所有激发脉冲时间点，在d_i延迟上增加延迟并跳转至步骤A3，若否，则跳转至步骤A8，其中，为激发脉冲时间序列的某个时间点，d_i为输入层第i个神经元的延迟；