多视角数据降维及其在高光谱图像分类中的应用

发布时间：2023-04-08 22:39

　　随着信息技术的发展,同一对象可通过多特征或多源域数据描述,这样的数据被称为多视角数据。与单视角数据相比,多视角数据能够反映对象的不同特性,包含的信息更丰富。然而在许多实际应用中,多视角数据具有高维度的特性,直接使用多视角数据一方面存储、传输成本高,数据挖掘效率低,另一方面随着数据维数的增加,数据的运算量会呈指数倍增长,产生“维数灾难”问题。多视角数据降维已成为机器学习领域的热点研究方向之一。目前多视角数据降维的研究还存在以下不足:(1)已有算法侧重学习多视角数据的低维公共空间,该空间无法同时包含多视角数据的公共信息和互补信息;(2)已有算法没有在多视角数据上实现判别局部对齐,多视角低维空间的判别性有待加强;(3)实际应用中面临标记样本不足的问题,需要建立更符合实际应用的多视角数据降维算法。为解决上述问题,本文以近年来发展的多视角子空间学习和数据降维方法为基础,重点探究多视角数据降维算法及其在高光谱图像分类中的应用,主要研究内容和工作包括以下几个方面:1.针对在低维空间中同时保持多视角数据公共信息和互补信息的问题,结合近邻关系,提出了基于局部近邻对齐的无监督多视角数据降维算法。该算法首先...

【文章页数】：134 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文的研究内容
    1.4 本文的章节安排
2 基于局部近邻对齐的无监督多视角数据降维
    2.1 引言
    2.2 相关工作
    2.3 多视角低维充分空间学习模型的建立
    2.4 基于局部近邻对齐的无监督多视角数据降维算法
    2.5 算法的求解与复杂度分析
    2.6 实验分析
    2.7 本章小结
3 基于判别局部对齐的有监督多视角数据降维
    3.1 引言
    3.2 相关工作
    3.3 预备知识
    3.4 基于判别局部对齐的有监督多视角数据降维算法
    3.5 算法的求解与复杂度分析
    3.6 实验分析
    3.7 讨论
    3.8 本章小结
4 直推式多视角数据降维在高光谱图像分类中的应用
    4.1 引言
    4.2 相关工作
    4.3 预备知识
    4.4 基于直推式学习的半监督多视角数据降维算法
    4.5 算法的求解与复杂度分析
    4.6 直推式多视角数据降维算法的高光谱图像分类实验
    4.7 本章小结
5 基于空间信息的多视角数据降维算法在高光谱图像分类中的应用
    5.1 引言
    5.2 相关工作
    5.3 基于空间信息的半监督多视角数据降维算法及其求解
    5.4 基于空间信息的多视角数据降维算法的高光谱图像分类实验
    5.5 本章小结
6 总结与展望
    6.1 全文总结
    6.2 研究展望
致谢
参考文献
附录1 攻读学位期间发表论文目录



本文编号：3786600