非线性度量学习算法研究

发布时间：2017-04-30 19:11

  本文关键词：非线性度量学习算法研究，，由笔耕文化传播整理发布。

【摘要】：随着网络技术的飞速发展,互联网的应用范围正变得越来越广泛。人们每天从互联网上获取大量信息,从互联网海量复杂信息中查找所需的信息也变得越来越重要。当前线上信息大体可以分为两类,一类是基于文本的信息,另一类是图像、音频等多媒体信息。国内外许多学者都对这两种信息的提取方法进行了研究。当前,从大量的文本中获取所需信息已经相对比较成熟,然而如何从图像中获取信息几乎没有成熟的应用。度量学习是一类通过学习样本空间内的度量函数改变样本间原有的相似性关系的算法,其在人脸鉴别、分类等方面有着重要的应用价值。目前度量学习可分为线性和非线性两大研究方向。线性方法的基本原理是在所有可能的马氏距离中寻找合适的距离使目标损失函数最小化。非线性算法一般可根据理论基础分为基于核函数的方法、基于变换以及基于流形理论的方法等几种方法。本文介绍了几种经典的度量学习算法,分析了现有的度量学习算法,并展开如下研究:(1)本文总结了基于非线性距离的度量学习算法,对线性变换加非线性度量这类度量学习模式加以研究,归纳出针对该种类型算法的通用框架。在此框架之上,具体的提出了线性感知机度量学习算法和SigmoidML算法并与原有的框架内的算法进行了实验比较。(2)本文还利用黎曼几何的基本概念,在特征空间上建立度量张量和相应地测地线距离。通过优化度量张量得到近似最优的测地线距离。为了降低测地线距离的计算复杂度,本文还将研究相应地简化方案和快速算法,以使得该算法更具有实用性。对比实验说明,该算法相对于诸多流行的度量学习算法可以有效改善实验效果。
【关键词】：非线性度量学习 测地线距离 人脸鉴别
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP181;TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-12
• 1.1 研究背景9-10
• 1.2 研究目标10
• 1.3 研究意义10
• 1.4 论文结构及章节安排10-12
• 第2章 度量学习方法研究现状12-29
• 2.1 引言12
• 2.2 度量学习方法研究现状12-16
• 2.3 线性度量学习算法16-21
• 2.3.1 基本概念及方法17-18
• 2.3.2 Xing方法18-19
• 2.3.3 ITML19-20
• 2.3.4 LMNN20-21
• 2.4 非线性度量学习21-28
• 2.4.1 当前现状21-22
• 2.4.2 核方法22-24
• 2.4.3 χ2-LMNN算法24-25
• 2.4.4 GB-LMNN算法25-28
• 2.5 小结28-29
• 第3章 基于非线性距离的度量学习算法框架29-38
• 3.1 引言29
• 3.2 前人相关方法分析29-30
• 3.2.1 LDML算法[8]29
• 3.2.2 cosine度量学习算法[7]29-30
• 3.3 基于非线性距离的度量学习框架30-34
• 3.3.1 基于线性感知机的度量学习算法31-32
• 3.3.2 Sigmoid度量学习算法（SigmoidML）32-34
• 3.4 实验及分析34-36
• 3.4.1 数据集，实验的建立和特征34
• 3.4.2 性能对比与分析——人脸鉴别实验34-35
• 3.4.3 性能对比与分析——分类实验35-36
• 3.5 小结36-38
• 第4章 基于测地线距离的非线性度量学习算法38-47
• 4.1 引言38
• 4.2 理论分析38-39
• 4.3 算法39-42
• 4.4 实验及分析42-45
• 4.4.1 分类实验42-43
• 4.4.2 鉴别实验43-45
• 4.5 小结45-47
• 第5章 总结与展望47-49
• 5.1 本文工作总结47
• 5.2 未来工作展望47-49
• 参考文献49-53
• 攻读学位期间发表论文与研究成果清单53-54
• 致谢54

【相似文献】

中国期刊全文数据库 前10条

1 陈华;吴文玲;冯登国;;提高S盒非线性度的有效算法[J];计算机科学;2005年10期

2 于亦舟;欧海文;;两种提高双射S盒非线性度的方法及其比较[J];中国新通信;2007年03期

3 于亦舟;欧海文;;一种改善双射S盒非线性度的方法[J];微计算机信息;2007年18期

4 付绍静;李超;董德帅;;高非线性度弹性S盒的构造[J];国防科技大学学报;2009年02期

5 王林;谯通旭;赵伟;刘瑶;;关于完全非线性函数的非线性度的界[J];信息安全与通信保密;2011年11期

6 冯登国;严格择多逻辑函数的非线性度[J];电子科技杂志;1994年01期

7 田海建,杨义先;K次非线性度及其性质[J];通信保密;1996年02期

8 蒋华;戚文峰;;高非线性度向量弹性函数[J];武汉大学学报(理学版);2007年05期

9 孙海燕;范安东;程征;;有限域上多值逻辑函数非线性度的几个结论[J];海南大学学报(自然科学版);2007年04期

10 高胜;马文平;郭娜;严亚俊;;一种提高S盒非线性度的新算法[J];西安电子科技大学学报;2010年06期

中国重要会议论文全文数据库 前3条

1 孟强;陈鲁生;符方伟;;代数免疫度与非线性度之间的关系[A];中国电子学会第十五届信息论学术年会暨第一届全国网络编码学术年会论文集（上册）[C];2008年

2 申艳光;司春景;;关于提高一类Bent函数的非线性度的研究[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集（下）[C];2006年

3 段明;吴茜琼;;一种代数免疫函数的构造方法[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

中国硕士学位论文全文数据库 前9条

1 殷良鹰;非线性度量学习算法研究[D];北京理工大学;2016年

2 孙晓峰;高非线性度弹性函数的性质与构造[D];西安电子科技大学;2010年

3 刘晓庆;高非线性度弹性函数的构造与分析[D];西安电子科技大学;2013年

4 程远林;基于L-DVV方法的时间序列非线性度测量方法研究及应用[D];吉林大学;2013年

5 李小伟;布尔函数非线性度分析及其在密码学中的应用[D];成都理工大学;2012年

6 高斌;大容量火电机组非线性度研究[D];华北电力大学（河北）;2005年

7 翟黎;S-盒的演化设计[D];华中科技大学;2009年

8 郭腓望;低差分一致性函数的构造和性质分析[D];解放军信息工程大学;2011年

9 王彦平;偶特征域上的两类低差分置换多项式[D];湖北大学;2014年

  本文关键词：非线性度量学习算法研究，由笔耕文化传播整理发布。

本文编号：337447