版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、基于超圖的半監(jiān)督學習因其既利用了有標記數(shù)據(jù)樣本的信息又利用了無標記數(shù)據(jù)樣本的信息,近年成為一個研究熱點,有很高的研究及應(yīng)用價值,在圖像處理、模式識別、語音識別等領(lǐng)域已經(jīng)得到廣泛的應(yīng)用。然而超圖學習仍然面臨許多復雜的問題,其中有數(shù)據(jù)樣本間多重相關(guān)性問題、訓練數(shù)據(jù)分布不平衡問題和誤標記樣本問題。另外,在基于合成孔徑雷達(Synthetic Aperture Radio,SAR)圖像海面溢油檢測應(yīng)用中,除了存在這些問題外,還存在標記樣本少的問
2、題。本文圍繞這些復雜分類問題,主要在以下幾個方面展開了深入的研究:
(1)針對樣本間多重相關(guān)性問題,本文先后提出三種方法考慮樣本間的相關(guān)性。第一種是在構(gòu)建超邊集時,增加給定半徑的超球面內(nèi)樣本構(gòu)成的一類超邊,與采用最近鄰算法選取的鄰域構(gòu)成的一類超邊合成為新的超邊集,然后構(gòu)建超圖學習模型,在多極化SAR圖像數(shù)據(jù)分類學習上獲得了很好的效果;第二種是結(jié)合稀疏表示構(gòu)建一個稀疏超圖,與傳統(tǒng)超圖線性結(jié)合成為一類新的超圖學習模型,應(yīng)用于圖像分
3、類學習中分類性能有較大的提升;第三種是考慮到超圖學習中只有類別屬性相關(guān)的表示,而沒有類屬無關(guān)的表示,利用成對約束理論既表現(xiàn)樣本間的相關(guān),也能表現(xiàn)類屬無關(guān),以此進一步強調(diào)標記樣本的相關(guān)性,因而在超圖學習模型中加入成對約束的思想,該方案在標準數(shù)據(jù)集上實驗效果較好。相比于傳統(tǒng)超圖學習,這三種方法都有一定的成效,在學習性能上有不同程度的提升。
(2)針對不平衡分類問題,本文通過研究大量的不平衡處理算法,提出代價敏感的超圖學習算法,定義
4、類別重要性因子既表示一類樣本的重要性,也表示錯分該類樣本的代價,還定義加權(quán)精度作為不平衡分類學習的性能評價指標,為多類不平衡分類評價提供了一種非常簡單的評價指標。
(3)針對誤標記樣本問題,本文研究了目前檢測誤標記樣本的算法,并提出一種基于超圖學習的誤標記樣本檢測方法。該方法先確定誤標記嫌疑樣本集與核心樣本集,然后計算可疑標記樣本在核心樣本集上的均方殘差確定誤標記樣本與次誤標記樣本集,最后以核心樣本集為訓練集,其他樣本作為未標
5、記樣本集進行超圖學習,進一步提煉誤標記樣本與次誤標記樣本集。對于誤標記樣本,在后續(xù)的操作中拋棄,而對于次誤標記樣本,減少其類屬信念,達到減少對分類學習性能影響的目的,在標準數(shù)據(jù)集上實驗驗證了該方法的有效性,為其他研究誤標記檢測的學者提供了一種新的思路。
(4)在基于SAR的海面溢油檢測應(yīng)用中,訓練集同樣存在上述的誤標記與不平衡問題,還存在標記樣本量少的問題,為此本文通過研究目前溢油檢測的方法分別提出了相應(yīng)的解決方案。針對油斑與
6、非油斑數(shù)據(jù)樣本數(shù)量不平衡的問題,本文提出兩種思路,一種是采用基于馬氏距離的代價敏感處理算法,另一種是代價敏感的超圖學習方法,兩種思路都表現(xiàn)出了一定優(yōu)勢,而后者又正好適合訓練樣本量少的分類情況。本文設(shè)計代價敏感的多模型超圖學習算法,解決油斑訓練集不平衡與樣本量少的問題,相比于其他傳統(tǒng)的溢油檢測方法,實驗效果得到明顯提升。
本文在超圖學習模型上考慮樣本優(yōu)化問題,分別提出相應(yīng)的解決方案,一定程度上改善了超圖學習的性能,并且應(yīng)用到基于
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 集成學習理論研究及其在個性化推薦中的應(yīng)用.pdf
- 大規(guī)模機器學習理論研究與應(yīng)用.pdf
- 機器學習理論研究及其在車載導航系統(tǒng)中的應(yīng)用.pdf
- 學習理論及其教學應(yīng)用
- 表現(xiàn)性學習理論研究及其實踐探索.pdf
- 布魯納學習理論在英語學習中的應(yīng)用.pdf
- 語文綜合性學習理論研究.pdf
- 布魯納學習理論在俄語學習中的應(yīng)用分析.pdf
- 合作學習理論研究現(xiàn)狀分析
- 基于極化特征的SAR溢油檢測研究.pdf
- 幾何學習理論及其應(yīng)用研究.pdf
- 超圖理論算法研究及其在圖像分類中的應(yīng)用.pdf
- 建構(gòu)主義學習理論及其在物理教學實踐上的研究.pdf
- 羅特的社會行為學習理論研究.pdf
- 流形學習理論及其應(yīng)用研究.pdf
- EMD理論研究及其在裂紋損傷檢測中的應(yīng)用.pdf
- 蟻群算法的理論研究及其在TSP上的應(yīng)用.pdf
- 71363.美國轉(zhuǎn)化學習理論研究
- 流形學習理論研究及相關(guān)改進.pdf
- 零均值噪聲樣本下學習理論的若干理論研究.pdf
評論
0/150
提交評論