一般来说，您正在提取/创建 10 个扫描特征，理论上重新创建输入，即 41 个特征。这些特征本身可能并不一定很有意义，并且（取决于数据集）可能不容易解释。可以将主成分分析和结果成分作为特征进行比较。

使用 Deep Belief Nets 来预训练模型和编码特征的一个好处是数据不能被标记。这就引出了最后一点，即您的 10 个功能不一定要有名称。你可以叫他们例如feature1, feature2, ..., feature10。

如果您对实际代码以及将 10 个特征进一步推入分类器的方式有疑问，我建议您提供到目前为止的代码并添加有关您的确切问题的更多详细信息。