基于可鉴别图嵌入的降维方法研究

发布时间：2021-01-17 17:33

　　在现实应用中,高维数据大量增长,因此如何处理高维数据成为模式识别、机器学习中的一个热门研究领域。一方面在现实应用系统中,直接处理高维数据,导致计算复杂度高和存储空间大,甚至会带来潜在的“维度灾难”和过拟合问题;另一方面在高维数据中存在大量不相关、冗余的特征会影响数据的分类。上述两方面说明对高维数据进行降维处理是十分有必要的。降维的目的是找到高维数据的低维表达,其中研究表明图嵌入是降维的有效方法之一。本文提出了三种特征提取方法处理高维数据,主要研究工作和创新如下:（1）在已有的图嵌入方法中几乎没有直接考虑每个样本的几何分布来表示邻接图的权重。事实上,数据特征空间中的每个样本都有不同的几何分布,邻接图中的权重应该由样本的几何位置来确定。为了克服已有方法中存在的不足,提出了一种新颖的方法称作可鉴别全局与局部保持图嵌入方法（Discriminative Globality and Locality Preserving Graph Embedding,DGLPGE）。在DGLPGE中,在构造全局和局部邻接图时,充分考虑了样本的可鉴别性信息和几何分布,目的是保存样本固有的几何结构和可鉴别结构。其... 

【文章来源】：江苏大学江苏省

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

DGLPGE基本思想示意图

江苏大学工程硕士学位论文25（a）LPP（b）LDNE（c）DSPGE（d）DGLPGE图3.3二维子空间中一个高维数据的示例3.2DGLPGE实验3.2.1数据集介绍在本小节中，简要介绍实验中使用的所有数据集。首先介绍6个公共人脸数据库，包括ORL[79]、AR[80]、GT[81]、IMM[82]、FEI[83]和Yale[84]。ORL人脸数据集包含从40个对象中提取的400个人脸图像样本，每个样本有10个人脸图像。图3.4（a）给出了ORL中某一类部分图像示例。AR人脸数据集包含来自126名对象的大约4000张人脸图像，其中70名男性和56名女性。本章使用AR中一个子集，共1400张来自50名男性和50名女性的面部图像，每个对象有14张面部图像，图3.4（b）给出了AR中某一类部分图像示例。GT人脸数据集包含来自50个对象的750个人脸图像，每个对象有15张，图3.4（c）给出了GT中某一类部分图像示例。IMM人脸数据集包含来自40个对象的240个面部图像，每

江苏大学工程硕士学位论文29（a）ORL（l=5）（b）GT（l=7）（c）AR（l=7）（d）IMM（l=2）（e）FEI（l=5）（f）Yale（l=5）图3.5在不同数据集上不同q值对于DGPGE分类效果的影响（a）ORL（l=5）（b）GT（l=7）（c）AR（l=7）（d）IMM（l=2）（e）FEI（l=5）（f）Yale（l=5）图3.6在不同数据集上不同k值对DLPGE分类效果的影响同样的道理，在ORL数据集上为l=7，AR数据集上l=9，GT数据集上l=9，FEI数据集上l=7，Yale数据集上l=5，DLPGE取得最佳分类效果时，k的取值是3而在IMM数据集上l=3时，DLPGE取得最佳分类效果时，k的取值是9。


本文编号：2983301