说实话,我不认为任何非卷积模型能够在这种类型的数据上表现良好。
适用于MNIST的非卷积神经网络效果很好,因为该数据已经进行了良好的预处理(中心对齐并调整大小)。但您的图像则没有。
您可能会注意到(在您的图片上)某些图案不断重复出现,比如这些较暗的点,它们有不同的位置和尺寸。如果您不使用卷积模型,则无法有效地捕捉到这些特征(例如,您必须将图像中略微移动的黑点视为完全不同的对象)。
因此,我认为您应该尝试使用卷积MNIST模型而不是传统的模型,或者尝试自己设计模型。
首先,如果你训练时间更长,你的准确率会更高吗?也许你没有训练足够久。
另外,训练数据和测试数据的准确率分别是多少?如果两者都很高,你可以继续训练或使用更复杂的模型。如果训练准确率比测试准确率高,那么你基本上已经达到了数据的极限。(即暴力扩大模型大小不会有帮助,但是聪明的改进可能会有用,例如尝试卷积网络)
最后,对于复杂且嘈杂的数据,你可能需要大量的数据才能进行合理的分类。因此,你需要很多很多的图像。
根据我的理解,深度堆栈自编码器是一种无监督方法,不直接适用于分类。