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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、流形學(xué)習(xí)和稀疏表示是計(jì)算機(jī)視覺、模式識(shí)別與圖像處理領(lǐng)域中的研究熱點(diǎn),近年來受研究者的廣泛關(guān)注。其中,流形學(xué)習(xí)的基本假設(shè)是圖像在高維空間的特征表現(xiàn)往往蘊(yùn)含著低維流形結(jié)構(gòu)。圖學(xué)習(xí)作為典型的流形學(xué)習(xí)方法,它可以通過描述樣本之間的相互關(guān)系來揭示高維數(shù)據(jù)中的潛在低維表示,其已成為眾多領(lǐng)域的研究熱點(diǎn)。而稀疏表示是一種對(duì)原始信號(hào)的分解過程,該分解過程借助一個(gè)事先得到的過完備字典,將輸入信號(hào)表示為具有較強(qiáng)魯棒性和判別性的字典線性近似。近年來,一些研究者
2、融合流形學(xué)習(xí)與稀疏表示兩者優(yōu)點(diǎn)提出了許多機(jī)器學(xué)習(xí)算法,并在計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)諸多領(lǐng)域中取得成功應(yīng)用。受這些方法啟發(fā),本文以稀疏表示構(gòu)造數(shù)據(jù)關(guān)系圖作為研究切入點(diǎn),利用局部保留映射、非負(fù)矩陣分解、線性判別分析、協(xié)同表示等技術(shù),融合子空間學(xué)習(xí)和稀疏表示方法,提出了四種稀疏圖子空間學(xué)習(xí)算法。較為系統(tǒng)地研究稀疏圖子空間學(xué)習(xí)算法提出動(dòng)機(jī)、原理和性能特性,并應(yīng)用于圖像特征提取、圖像聚類和圖像分類之中,以測(cè)試算法有效性。
本研究主要內(nèi)容包括
3、:①提出了稀疏圖正則化非負(fù)矩陣分解(SGNMF)算法。與傳統(tǒng)近鄰方法構(gòu)建的圖相比,SGNMF通過稀疏表示構(gòu)造稀疏圖,提高了同類樣本的相似度同時(shí)抑制了不同類樣本的關(guān)聯(lián),使得SGNMF具有更好噪聲魯棒性與樣本相關(guān)關(guān)系刻畫能力。SGNMF彌補(bǔ)了非負(fù)矩陣分解在模式識(shí)別和數(shù)據(jù)挖掘等領(lǐng)域應(yīng)用中沒有考慮數(shù)據(jù)內(nèi)蘊(yùn)幾何結(jié)構(gòu)的不足。②提出了稀疏圖正則化線性判別分析(SGLDA)算法,其融合了稀疏表示與線性判別分析(LDA)良好特性。在 LDA基礎(chǔ)上 SGL
4、DA增加由所有數(shù)據(jù)樣本構(gòu)成的正則項(xiàng),該正則項(xiàng)為子空間的學(xué)習(xí)提供一個(gè)良好的預(yù)先參考,可準(zhǔn)確地刻畫數(shù)據(jù)的幾何結(jié)構(gòu),使得SGLDA能夠克服LDA算法在處理小樣本及非線性結(jié)構(gòu)數(shù)據(jù)問題上容易受到所選標(biāo)簽樣本的影響,更好地解決數(shù)據(jù)小樣本問題。同時(shí)SGLDA算法利用了稀疏表示來刻畫樣本之間數(shù)據(jù)結(jié)構(gòu)關(guān)系,可增強(qiáng)算法的判別性以及對(duì)噪聲數(shù)據(jù)的魯棒性。③提出了類引導(dǎo)稀疏保留投影算法(CGSPP)。鑒于原有的稀疏保留投影算法(SPP)和局部保留投影算法(LPP
5、)只保留樣本之間相關(guān)關(guān)系而忽視類別之間的全局相關(guān)關(guān)系的不足,CGSPP算法引入類別之間相關(guān)性的約束和類別之間的相互關(guān)系,構(gòu)建了類別關(guān)系圖,不僅汲取 SPP算法優(yōu)點(diǎn),而且將更多有用的原始數(shù)據(jù)保留到投影空間中,從而增強(qiáng)所提取特征的魯棒性和判別能力。④提出了協(xié)同稀疏保留投影算法(CSPP)。該算法結(jié)合稀疏保留投影(SPP)和協(xié)同圖嵌入(CGE)的優(yōu)點(diǎn),利用CGE模型引入??范數(shù)協(xié)同約束項(xiàng),把SPP算法歸結(jié)為一個(gè)協(xié)同表示模型。這樣,CSPP算法
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(qǐng)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(qǐng)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(huì)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(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)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(qǐng)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(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進(jìn)稀疏子空間學(xué)習(xí)算法的人臉識(shí)別研究.pdf
- 基于子空間學(xué)習(xí)和稀疏編碼的圖像分類算法研究.pdf
- 稀疏子空間聚類算法的改進(jìn)研究.pdf
- 改進(jìn)的稀疏子空間聚類算法研究.pdf
- 稀疏樣本自表達(dá)的子空間聚類算法.pdf
- 基于低秩稀疏子空間的數(shù)據(jù)挖掘算法研究.pdf
- 多重約束深度子空間稀疏優(yōu)化特征提取算法研究.pdf
- 異構(gòu)子空間學(xué)習(xí)算法研究及實(shí)現(xiàn).pdf
- 稀疏子空間聚類的交替方向法研究.pdf
- 稀疏子空間算法及在高光譜圖像聚類中的應(yīng)用研究.pdf
- 稀疏子空間聚類算法及其在運(yùn)動(dòng)分割中的應(yīng)用研究.pdf
- 基于DFL的自主學(xué)習(xí)子空間學(xué)習(xí)算法及應(yīng)用研究.pdf
- 迭代加權(quán)的稀疏子空間聚類.pdf
- 基于子空間學(xué)習(xí)的多視角步態(tài)識(shí)別算法研究.pdf
- 子空間算法研究與實(shí)現(xiàn).pdf
- 組稀疏子空間的大間隔特征選擇.pdf
- 基于子空間學(xué)習(xí)的概念漂移異常檢測(cè)算法研究.pdf
- 約束子空間聚類算法研究.pdf
- 基于光滑L0正則子的神經(jīng)網(wǎng)絡(luò)稀疏化梯度學(xué)習(xí)算法研究.pdf
- 基于稀疏子空間聚類的人臉識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論