基于多核映射的圖像特征提取算法.pdf

1、圖像的特征提取是數(shù)字圖像分類、識(shí)別、檢測(cè)等機(jī)器學(xué)習(xí)和模式識(shí)別任務(wù)的主要問(wèn)題。經(jīng)典的線性特征提取方法已經(jīng)越來(lái)越難以滿足當(dāng)今更為復(fù)雜和嚴(yán)格的任務(wù)要求,基于核學(xué)習(xí)方法的特征提取方法通過(guò)隱性映射非線性空間,是如今得到廣泛使用和快速發(fā)展的特征提取方法。但基于單核的經(jīng)典特征提取方法由于受到包含異構(gòu)信息的數(shù)據(jù)源,以及描述特征類別數(shù)的限制,處理復(fù)雜和高精度要求的圖像分類識(shí)別等任務(wù)的應(yīng)用效果將會(huì)受到影響。針對(duì)上述問(wèn)題,本文研究基于多核學(xué)習(xí)方法的圖像特征提

2、取,旨在解決傳統(tǒng)單核學(xué)習(xí)面臨的上述諸多問(wèn)題,提高圖像特征提取系統(tǒng)性能。全文主要工作如下:
　　在技術(shù)體系方面,本文研究了基于多核映射的圖像特征提取架構(gòu),以及應(yīng)用該架構(gòu)的圖像分類算法,深入探討了影響多核學(xué)習(xí)效果的關(guān)鍵因素,詳細(xì)介紹了基于圖嵌入的特征提取架構(gòu),并研究了將多核映射和圖嵌入結(jié)合的特征提取方法,利用圖嵌入方法對(duì)于經(jīng)典特征提取方法良好的歸納特性,成功擴(kuò)展出基于多核的線性判別分析和線性判別嵌入兩種特征提取方法。
　　在方法

3、研究方面,為了進(jìn)一步提升基于多核映射的特征提取算法的應(yīng)用效果,本文針對(duì)包括基本核函數(shù)參數(shù),多核函數(shù)權(quán)重參數(shù),多核函數(shù)組合形式等在內(nèi)的影響該算法效果的多個(gè)參數(shù)進(jìn)行了深入研究,分別對(duì)這些參數(shù)進(jìn)行優(yōu)化設(shè)計(jì),并將各項(xiàng)優(yōu)化方法進(jìn)行結(jié)合使用,使得基于多核映射的特征提取方法的應(yīng)用效果進(jìn)一步提升。
　　在實(shí)驗(yàn)驗(yàn)證方面,為將本文研究的基于多核映射的特征提取方法和經(jīng)典的特征提取方法進(jìn)行實(shí)驗(yàn)對(duì)比,本文分別應(yīng)用基于多核和單核的圖嵌入特征提取架構(gòu)開(kāi)發(fā)了相應(yīng)