2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩61頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

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(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、信息科學(xué)技術(shù)的迅速發(fā)展和廣泛應(yīng)用,使非結(jié)構(gòu)化的超高維數(shù)據(jù)大量涌現(xiàn)。這些高維數(shù)據(jù)往往成為模式識別和機(jī)器學(xué)習(xí)領(lǐng)域處理的難題。究其緣由在于:(1)所謂的“維數(shù)災(zāi)難”帶來的技術(shù)難度;(2)維數(shù)太高所要求的存儲量大和計(jì)算代價高。因此,有關(guān)數(shù)據(jù)降維方面的課題研究長期以來都是相關(guān)領(lǐng)域研究的重點(diǎn)課題。
  在過去的幾十年里,有大量的降維(Dimensionality Reduction,DR)算法包括線性降維算法和非線性降維算法被不斷地提出并被深

2、入研究,其中常用的包括傳統(tǒng)的線性降維算法如主成分分析(Principal Component Analysis,PCA)和線性判別分析(LinearDiscriminant Analysis,LDA);幾種經(jīng)典的流形學(xué)習(xí)算法如局部線性嵌入(Locally LinearEmbedding,LLE)、等距映射(Isometric Mapping,ISOMAP)、拉普拉斯特征映射(Laplacian Eigenmaps,LE)及局部切空間排列

3、算法(Local Tangent Space Alignment,LTSA)。然而,現(xiàn)存的很多算法存在很多缺陷,如PCA不具有判別力,LDA受困于小樣本問題,LLE等流形學(xué)習(xí)算法卻無法應(yīng)用于識別問題,等等。因此,本文的工作主要針對基于稀疏表征理論的降維算法問題進(jìn)行研究,旨在得到有效可行的降維算法并將所得算法應(yīng)用于人臉識別以提高人臉識別的性能。本文的主要研究工作如下:
  (1)對目前降維問題的研究背景及意義、降維技術(shù)的國內(nèi)外研究現(xiàn)

4、狀及其目前所面臨的挑戰(zhàn)等作了綜合分析;
  (2)通過引入類間權(quán)重矩陣和類內(nèi)權(quán)重矩陣,本文提出了一種新的有監(jiān)督線性降維算法——線性判別投影(Linear Discriminant Projection,LDP)方法。其一方面最大化各子流形間的分離性和最小化局部子流形的緊致性,另一方面還保持?jǐn)?shù)據(jù)的局部近鄰信息。同時,LDP克服了小樣本問題。除此之外,LDP對outlier數(shù)據(jù)具有魯棒性。
  (3)通過在近鄰保持嵌入(Neig

5、hborhood Preserving Embedding,NPE)方法中引入類間散度和類內(nèi)散度,本文提出了一種判別近鄰保持嵌入(DiscriminatingNeighborhood Preserving Embedding,DNPE)方法。DNPE通過施加判別約束,增強(qiáng)算法的判別力,有效地提高人臉識別性能,增強(qiáng)了算法的實(shí)用性能;
  (4)受稀疏表征(Sparse Representation,SR)理論的啟發(fā),提出了一種新的基

6、于稀疏表征的算法——稀疏判別近鄰保持嵌入(Sparse Discriminating NeighborhoodPreserving Embedding,SDNPE)。SDNPE算法在無需構(gòu)造鄰接圖和計(jì)算權(quán)值矩陣的情況下,直接通過稀疏重構(gòu)來計(jì)算權(quán)值矩陣,從而避免了因參數(shù)太多帶來的局限性,改善了算法的識別性能。
  本文在ORL、Yale、AR和Extended Yale B四個人臉數(shù)據(jù)集上進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明了本文所提出的三

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(yù)覽,若沒有圖紙預(yù)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(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。

評論

0/150

提交評論