多视图数据分类研究

发布时间：2021-11-25 05:02

　　随着数据采集技术的不断发展,具有海量表现形式的复杂多视图数据不断涌现在科学探索和日常生活的各个领域中。所以,研究多视图数据分析问题具有重要的实际价值和意义。多视图分类是多视图数据分析的基础,现有的多视图分类方法大多为基于线性判别分析的,它们要求输入数据服从全局高斯分布,并且无法捕获数据的潜在局部结构,导致适用性差。而一些局部感知方法虽然能够捕获数据的局部结构,但是它们涉及KNN过程,需要预设邻域数或局部特征矩阵,灵活性低。与此同时,现有的大多数深层多视图分类方法没有充分考虑多视图数据的固有结构特性,无法有效地提取视图不变表征。针对上述这些问题,本文研究多视图局部自适应判别分析（MvLADA）,基于深度对抗网络的多视图数据分类方法（MvDAN）和基于深度对抗网络的增强多视图数据分类方法（MvDANE）。论文的主要研究内容如下:1、已有的大多数基于线性判别分析的多视图分类方法依赖于输入数据服从全局高斯分布的假设,但现实生活中的数据通常是非线性的,导致算法适用性差。此外,一些局部感知多视图分类方法涉及KNN过程,需要预设邻域数或局部特征矩阵,算-法灵活性差。针对上述问题,本文提出了多视图局部... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文的研究内容及安排
第二章 多视图数据分类基本理论
    2.1 引言
    2.2 浅层多视图分类方法
        2.2.1 典型相关分析
        2.2.2 多视图判别分析
    2.3 深层多视图分类方法
        2.3.1 深度典型相关分析
        2.3.2 多视图深度网络
        2.3.3 多视图深度度量学习
    2.4 生成对抗网络
    2.5 本章小结
第三章 多视图局部自适应判别分析
    3.1 引言
    3.2 MvLADA目标函数
    3.3 MvLADA的求解算法
    3.4 收敛性分析
    3.5 实验仿真及结果分析
        3.5.1 数据库简介
        3.5.2 实验结果及分析
    3.6 本章小结
第四章 深度对抗多视图数据分类
    4.1 引言
    4.2 基于深度对抗网络的多视图数据分类
        4.2.1 符号介绍
        4.2.2 基本框架
        4.2.3 MvDAN总体目标函数
        4.2.4 分类
    4.3 基于深度对抗网络的增强多视图数据分类
        4.3.1 基本思想
        4.3.2 基本框架
        4.3.3 MvDANE总体损失函数
        4.3.4 分类方法
    4.4 实验仿真及结果分析
        4.4.1 数据库简介
        4.4.2 实验仿真
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简介



本文编号：3517456