面向分类问题的编码学习方法研究

发布时间：2021-06-29 09:14

　　分类问题在人们的日常生活、社会活动、科研生产以及学习、工作中是很常见的。在很多领域中,比如医学的临床诊断、工业生产的机器状态判断、语音的智能识别等等方面,分类问题都成为了最主要也最难于解决的问题。随着近年来对机器学习的技术不断地研究,数据采集技术得到了飞快的发展,分类场景也多种多样。然而随着数据采集技术飞速的发展,解决分类问题的方法与技术也有很多,其中编码技术是一种有效的技术手段。本文主要基于编码学习的方法,分别从特征和标签两个角度对分类问题进行了研究,主要工作如下:（1）从特征角度,针对多视图不完整数据的回收利用问题,通过结合其特征空间的内在结构与数据的标签信息,对所有的数据学习统一的低维编码。所学的低维编码实现了对历史数据的回收利用,包含了较强的判别信息,能够完成对待预测数据的分类。此外,针对问题的求解,还提出了优化算法并通过理论证明其收敛性,最后通过实验验证了算法的有效性并应用到人脸识别场景中。（2）从标签角度,针对多标签分类时基分类器之间差异性不大的问题,通过把原多标签问题转化为多个子问题,并组合对应的纠错编码,增强了编码的纠错能力。该模型通过划分不同的训练数据池使得基分类器之... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 对特征编码的研究现状
        1.2.2 对标签编码的研究现状
    1.3 论文的主要工作
    1.4 论文结构
第二章 相关基础知识
    2.1 非负矩阵分解
    2.2 相似性度量
    2.3 纠错输出编码
        2.3.1 常见的编码方式
        2.3.2 基分类器差异性
    2.4 分类评价指标
第三章 面向特征的低维编码学习
    3.1 面向特征的低维编码学习算法
        3.1.1 目标函数
        3.1.2 算法求解
    3.2 算法分析
        3.2.1 收敛性分析
        3.2.2 参数分析
    3.3 实验与讨论
        3.3.1 数据集介绍
        3.3.2 NHF算法与其他算法的对比实验
        3.3.3 参数确定实验
        3.3.4 收敛性实验
        3.3.5 人脸识别的应用
    3.4 本章小结
第四章 面向标签的组合纠错编码学习
    4.1 面向标签的组合纠错编码学习算法
        4.1.1 CECOC模型
    4.2 算法分析
        4.2.1 基分类器差异性的分析
        4.2.2 计算复杂度
        4.2.3 参数选择
    4.3 实验与讨论
        4.3.1 数据集介绍
        4.3.2 CECOC与其他方算法对比
        4.3.3 参数确定实验
        4.3.4 网页分类的应用
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
致谢
参考文献
作者在学期间取得的学术成果


【参考文献】：
期刊论文
[1]现代图像压缩编码技术[J]. 陶长武,蔡自兴.  信息技术. 2007(12)
[2]蛋白质组研究技术及其进展[J]. 俞利荣,曾嵘,夏其昌.  生命的化学. 1998(06)



本文编号：3256175