基于Hadamard纠错码的多分类识别模型优化方法的研究

发布时间：2021-11-14 21:26

　　随着社会信息化程度的提高,网络上的数据规模每时每刻都在持续增加,人们讨论的热点问题也在不断变化。为了有效地处理和认知这些新增数据,利用其中隐含的有价值信息,人们越来越需要一种功能更为完善的分类方法。在有监督学习领域,传统基于概率统计学的多分类模型大多仅局限于一个预先规定数据集,若要使训练好的模型能够识别一个新的类则需要将模型的全部参数重新训练,这对于算法的实际应用来说是不合理的。因此一个可以随时添加新类别的多分类模型是人们所需要的,在有监督学习的前提下它能够根据新样本的特点做出一定改变从而可以对新样本中蕴涵的信息进行学习完成分类,此外这种改变的代价应低于重新训练整个模型。这种学习模式与人类自学习的过程也较为类似,所以具备很高的研究意义和前途。本篇论文在图像分类领域提出一种多分类优化方法,它在保证一定的分类识别精度的前提下,还能够实现上述功能。本文使用约束状态拍摄的虹膜图像作为多分类实验数据,利用分而治之的理念将一个复杂多分类问题转换为多个简单二分类问题,从而提升模型的灵活性,为了保证图像分类模型的整体性能结合了人工神经网络强大的特征提取能力。具体来说,本篇文章将一种Hadamard纠错... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

CASIA虹膜库示例

第1章绪论63.0、JLU-4.0、JLU-5.0和JLU-6.0。通过多年来的积累对采集，完整库中约包含数百受试者的数十万张虹膜图像。其中几种类型的虹膜如图1.2所示：JLU-1.0JLU-2.0JLU-3.0JLU-4.0JLU-5.0JLU-6.0图1.2JLU虹膜库示例1.4.4其他虹膜库除以上详细说明的之外还有另外几个国际机构公开的虹膜库[35]可供使用。英国巴斯大学公开的虹膜库样本，如图1.3所示：图1.3巴斯虹膜库样本葡萄牙贝拉英特拉大学UBIRIS虹膜图像库，示例如图1.4所示：图1.4UBIRIS虹膜库样本

第1章绪论63.0、JLU-4.0、JLU-5.0和JLU-6.0。通过多年来的积累对采集，完整库中约包含数百受试者的数十万张虹膜图像。其中几种类型的虹膜如图1.2所示：JLU-1.0JLU-2.0JLU-3.0JLU-4.0JLU-5.0JLU-6.0图1.2JLU虹膜库示例1.4.4其他虹膜库除以上详细说明的之外还有另外几个国际机构公开的虹膜库[35]可供使用。英国巴斯大学公开的虹膜库样本，如图1.3所示：图1.3巴斯虹膜库样本葡萄牙贝拉英特拉大学UBIRIS虹膜图像库，示例如图1.4所示：图1.4UBIRIS虹膜库样本

【参考文献】：
期刊论文
[1]基于改进激活函数的用于台风等级分类的深度学习模型[J]. 郑宗生,刘兆荣,黄冬梅,宋巍,邹国良,侯倩,郝剑波.  计算机科学. 2018(12)
[2]多层前向人工神经网络图像分类算法[J]. 顾哲彬,曹飞龙.  计算机科学. 2018(S2)
[3]ReLU激活函数优化研究[J]. 蒋昂波,王维维.  传感器与微系统. 2018(02)
[4]基于多属性联合的朴素贝叶斯分类算法[J]. 谢小军,陈光喜.  计算机技术与发展. 2016(12)
[5]基于近邻分类的增量学习分类算法研究[J]. 叶青,卢梓豪,周洁,宋赞.  计算机工程与应用. 2016(20)
[6]基于卷积神经网络的正则化方法[J]. 吕国豪,罗四维,黄雅平,蒋欣兰.  计算机研究与发展. 2014(09)
[7]基于增量式GHSOM神经网络模型的入侵检测研究[J]. 杨雅辉,黄海珍,沈晴霓,吴中海,张英.  计算机学报. 2014(05)
[8]基于增量学习SVM的人脸识别[J]. 吕俊亚,韩忠军.  计算机工程与科学. 2010(06)
[9]一种多输出支持向量机的增量学习算法[J]. 赵耀红,钟萍,王来生.  计算机应用与软件. 2010(06)
[10]人工神经网络技术发展综述[J]. 陈格.  中国科技信息. 2009(17)

博士论文
[1]基于二维Gabor滤波的虹膜特征表达及识别方法研究[D]. 霍光.吉林大学 2016

硕士论文
[1]支持向量机多类分类算法的研究及应用[D]. 黄琼英.河北工业大学 2005



本文编号：3495370