基于压缩感知的支持向量机改进算法及其在图像处理中的应用
发布时间：2021-06-26 22:27
SVM是一种常见的机器学习方法,在实现函数回归和分类中应用广泛,但是该方法的模型求解较为复杂。LS-SVM将SVM模型求解问题转化为线性方程的求解,降低了计算复杂度。本文针对LS-SVM提出改进算法并将其应用到图像修复和超分辨率重建中,论文工作包括以下内容:（1）针对训练数据的相关性,提出基于加性高阶核函数的LS-SVM,通过充分利用多维训练数据之间的相关性提高模型的回归效果;对于小样本问题,本文通过引入梯度信息增加训练数据的信息量进而构造回归模型;利用函数回归验证可知,基于加性高阶核函数的LS-SVM提高了多维数据的回归效果,基于梯度信息的LS-SVM有效的约束了样本数据的回归曲线。（2）利用压缩感知实现稀疏的LS-SVM,分别研究了基于样本稀疏的LS-SVM和基于支持向量稀疏的LS-SVM。其中,基于样本稀疏的LS-SVM在实验验证中对于周期信号表现良好,但是对于非周期信号表现不理想;基于支持向量稀疏的LS-SVM在实验验证中无论是周期信号还是非周期信号均具有较好的回归效果,改善了模型的泛化能力。（3）将LS-SVM的改进算法应用在图像修复中,加性高阶核函数充分利用训练数据之间的相...
【文章来源】：西安理工大学陕西省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
基于核函数的映射Fig.2-1Mappingbasedonkernelfunction
感知的 LS-SVM 的改进算法型中所有训练数据均是支持向量，丢失了模型的泛化性能。当 模型的求解速度会降低而且模型易受噪声影响，鲁棒性降低。感知实现稀疏的 LS-SVM，分别研究了基于样本稀疏的 LS- LS-SVM。基本理论Compressive Sensing，CS）是由 Candes 和 Tao【8】在 2006 年理的理论，该理论指出稀疏信号或者具有稀疏表达的信号，可数量的线性、非自适应的测量值无失真的重建出来，如图 3-样定理的区别是采样速率不是取决于信号的带宽，而是取决于此外，奈奎斯特采样定理中所采即所得，但是 CS 需要重建才
i 是有限维的实 Hilbert 空间的基，ia 是信系数。便于解决问题常常使用矢量集合的符号表示矩阵示，由ia 组成的 N 1的矩阵用 表示，进而公式N时，x 就是信号的稀疏表示，其中0 是指与稀疏基 有关，只有信号在稀疏基 上足够稀疏稀疏基有离散余弦变换（DCT）、Curvelet 基、傅）等等。近些年来，很多学者致力于研究基于字典的冗余字典D 代替稀疏基实现信号的稀疏表示，如图本问题是构造字典，常用的字典学习算法包括：最d Directions）和 K 奇异值（KSVD）【89-92】等。基优势是在训练数据较少时重构数据的误差较小，提过较多的实例，进而将消耗较多的运算时间。
【参考文献】：
期刊论文
[1]基于正交匹配追踪算法的语音信号重构研究[J]. 陈益,李文钧. 电子科技. 2018(03)
[2]基于改进混合范数的图像重构算法[J]. 张鑫晟,曹曦文,孙海威,孔尧,叶润武,宋雪桦. 信息技术. 2018(02)
[3]基于参数寻优决策树SVM的语音情感识别[J]. 王富,孙林慧,苏敏,赵城. 计算机技术与发展. 2018(07)
[4]基于KSVD学习字典稀疏表示的图像压缩传感方法研究[J]. 王宇,欧阳华. 船电技术. 2018(02)
[5]基于字典学习的跨媒体检索技术[J]. 戚玉丹,张化祥,刘一鹤. 计算机应用研究. 2019(04)
[6]基于改进的稀疏度自适应匹配追踪算法的宽带压缩频谱感知（英文）[J]. 焦传海,李永成. 强激光与粒子束. 2018(03)
[7]一种改进K-奇异值分解稀疏表示图像去噪算法[J]. 孔英会,胡启杨. 科学技术与工程. 2018(01)
[8]基于改进的字典学习与稀疏表示的人脸表情识别[J]. 黎明,彭秀姣,王艳. 系统仿真学报. 2018(01)
[9]改进的ROMP算法及其在医学图像融合中的应用[J]. 殷鑫华,戴文战,李俊峰. 光电子·激光. 2017(11)
[10]基于稀疏表示的拉普拉斯稀疏字典图像分类（英文）[J]. Fang LI,Jia SHENG,San-yuan ZHANG. Frontiers of Information Technology & Electronic Engineering. 2017(11)
本文编号：3252215
【文章来源】：西安理工大学陕西省
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
基于核函数的映射Fig.2-1Mappingbasedonkernelfunction
感知的 LS-SVM 的改进算法型中所有训练数据均是支持向量，丢失了模型的泛化性能。当 模型的求解速度会降低而且模型易受噪声影响，鲁棒性降低。感知实现稀疏的 LS-SVM，分别研究了基于样本稀疏的 LS- LS-SVM。基本理论Compressive Sensing，CS）是由 Candes 和 Tao【8】在 2006 年理的理论，该理论指出稀疏信号或者具有稀疏表达的信号，可数量的线性、非自适应的测量值无失真的重建出来，如图 3-样定理的区别是采样速率不是取决于信号的带宽，而是取决于此外，奈奎斯特采样定理中所采即所得，但是 CS 需要重建才
i 是有限维的实 Hilbert 空间的基，ia 是信系数。便于解决问题常常使用矢量集合的符号表示矩阵示，由ia 组成的 N 1的矩阵用 表示，进而公式N时，x 就是信号的稀疏表示，其中0 是指与稀疏基 有关，只有信号在稀疏基 上足够稀疏稀疏基有离散余弦变换（DCT）、Curvelet 基、傅）等等。近些年来，很多学者致力于研究基于字典的冗余字典D 代替稀疏基实现信号的稀疏表示，如图本问题是构造字典，常用的字典学习算法包括：最d Directions）和 K 奇异值（KSVD）【89-92】等。基优势是在训练数据较少时重构数据的误差较小，提过较多的实例，进而将消耗较多的运算时间。
【参考文献】：
期刊论文
[1]基于正交匹配追踪算法的语音信号重构研究[J]. 陈益,李文钧. 电子科技. 2018(03)
[2]基于改进混合范数的图像重构算法[J]. 张鑫晟,曹曦文,孙海威,孔尧,叶润武,宋雪桦. 信息技术. 2018(02)
[3]基于参数寻优决策树SVM的语音情感识别[J]. 王富,孙林慧,苏敏,赵城. 计算机技术与发展. 2018(07)
[4]基于KSVD学习字典稀疏表示的图像压缩传感方法研究[J]. 王宇,欧阳华. 船电技术. 2018(02)
[5]基于字典学习的跨媒体检索技术[J]. 戚玉丹,张化祥,刘一鹤. 计算机应用研究. 2019(04)
[6]基于改进的稀疏度自适应匹配追踪算法的宽带压缩频谱感知（英文）[J]. 焦传海,李永成. 强激光与粒子束. 2018(03)
[7]一种改进K-奇异值分解稀疏表示图像去噪算法[J]. 孔英会,胡启杨. 科学技术与工程. 2018(01)
[8]基于改进的字典学习与稀疏表示的人脸表情识别[J]. 黎明,彭秀姣,王艳. 系统仿真学报. 2018(01)
[9]改进的ROMP算法及其在医学图像融合中的应用[J]. 殷鑫华,戴文战,李俊峰. 光电子·激光. 2017(11)
[10]基于稀疏表示的拉普拉斯稀疏字典图像分类（英文）[J]. Fang LI,Jia SHENG,San-yuan ZHANG. Frontiers of Information Technology & Electronic Engineering. 2017(11)
本文编号：3252215
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3252215.html
