摘要：提出一種基于受限玻爾茲曼機和卷積神經網絡混合模型的遷移學習圖像分類方法,該方法由其它兩種模型特征的學習能力融合而來,把圖像結構性高階統計特征提取出來,進行主題分類。算法實現過程為首先使用受限玻爾茲曼機替代卷積神經網絡模型中的全連接層,并針對卷積神經網絡型的小目標集形成新的功能結構,以目標集為載體,對受限波爾茲曼機層和Softmax層進行重新訓練;其次該過程中采用BP算法對相關參數予以調整,受限玻爾茲曼機層關聯maps的同時,還從最大對數似然的角度完成目標集統計特征的學習,有效地防止了數據集差異條件對遷移學習特征的負面影響,保證了數據學習的合理性。研究表明,該方法分類準確率高,適用性強。