基于秩限制的联合字典学习

发布时间：2017-04-26 13:10

  本文关键词：基于秩限制的联合字典学习，由笔耕文化传播整理发布。

【摘要】：稀疏编码和低秩学习是当前机器学习与信号处理领域的前沿课题之一。由于稀疏编码型是本身符合人眼对外来信息的处理,使之在图像分类、图像去噪、图像压缩、信号传输等方向得到了空前的发展。稀疏编码的本质是在一个过完备基(也叫做字典)中找到最稀疏的图像表示,从而减少了对图像数据的存储,同时增强了图像的可解释性。低秩学习主要通过去除随机增幅任意大但是分布稀疏的噪声来获得原始的具有低秩结构的样本。本文首先介绍了国内外关于稀疏编码和低秩学习的相关技术和取得的成果,针对在图像分类和人脸识别算法中的基础环节,确定了低秩学习和稀疏编码的研究方向和选题。Bags of Words算法把图片表示成单词直方图的形式,不关心在当前的字典直方图中能够尽量精确地重建原始样本,同时忽略了样本点的位置信息和类标信息。许多研究工作已经表明,通过学习算法得到的字典通常比固定的预设字典有更好的重建和判别性能。本论文将哲学中的特殊性和普遍性引入到了字典学习方法中。通过设计全新的字典结构包括每个类的特殊性子字典和所有类共有的普遍性子字典,使得字典具有更好的重构误差表示。我们通过设置了秩的限制来得到最终的样本的低维度空间结构。同时为了得到正确的所有类共有的普遍性子字典空间,我们加入了最大化所有类共有的普遍性子字典空间秩的函数。通过对目标函数的等价替换,我们得到了最终的基于秩限制的联合字典学习算法。虽然我们提出的目标函数并不是一个凸优化问题,我们可以将它变成两个凸优化子问题。通过分别优化,得到我们提出算法的视觉字典。最后,为了产生更好的分类效果,我们重新设计了分类算法。最终的实验结果显示,我们的方法确实产生了更好的分类效果。
【关键词】：稀疏编码 低秩学习 字典学习 普遍性 特殊性
【学位授予单位】：北京理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP181
【目录】：

• 摘要5-6
• Abstract6-9
• 第1章 绪论9-14
• 1.1 研究的背景与意义9-10
• 1.2 研究现状10-12
• 1.3 论文的研究内容12-13
• 1.4 论文的组织安排13-14
• 第2章 局部特征的图像分类算法概述14-32
• 2.1 局部特征提取算法14-20
• 2.1.1 SIFT特征14-19
• 2.1.2 HOG特征19-20
• 2.2 Bags of Words算法20-22
• 2.3 稀疏编码22-24
• 2.4 字典学习24-28
• 2.4.1 ScSPM算法25-26
• 2.4.2 SRC算法26-28
• 2.5 低秩学习28-30
• 2.6 本章小结30-32
• 第3章 基于秩限制的联合字典学习32-41
• 3.1 普遍性和特殊性32-34
• 3.2 联合字典学习34-36
• 3.3 基于秩限制的联合字典学习36-40
• 3.4 本章小结40-41
• 第4章 秩限制的联合字典学习的优化41-47
• 4.1 固定化稀疏系数来更新可视化字典41-43
• 4.1.1 固定普通子字典更新特殊子字典41-42
• 4.1.2 固定特殊子字典更新普通子字典42-43
• 4.2 固定化可视化字典更新稀疏系数43-44
• 4.3 奇异值阈值算法44-45
• 4.4 迭代衰减阈值算法45-46
• 4.5 本章小结46-47
• 第5章 图像分类策略及实验结果47-53
• 5.1 图像分类策略47-48
• 5.2 实验结果与分析48-52
• 5.2.1 USPS手写数字数据集49-50
• 5.2.2 AR人脸数据集50-52
• 5.3 本章小结52-53
• 第6章 总结与展望53-55
• 6.1 总结53-54
• 6.2 不足与展望54-55
• 参考文献55-58
• 攻读学位期间发表论文与研究成果清单58-59
• 致谢59

【相似文献】

中国期刊全文数据库 前10条

1 晁永国;戴芳;韩舒然;何静;;改进的非负稀疏编码图像基学习算法[J];计算机工程与科学;2010年01期

2 谢尧芳;苏松志;李绍滋;;基于稀疏编码的迁移学习及其在行人检测中的应用[J];厦门大学学报(自然科学版);2010年02期

3 郎利影;夏飞佳;;人脸识别中的零范数稀疏编码[J];应用科学学报;2012年03期

4 程东阳;蒋兴浩;孙锬锋;;基于稀疏编码和多核学习的图像分类算法[J];上海交通大学学报;2012年11期

5 邹柏贤;苗军;;自然图像稀疏编码模型研究综述[J];郑州大学学报(工学版);2013年03期

6 刘伟锋;刘红丽;王延江;;基于多分离部件稀疏编码的人脸图像分析[J];模式识别与人工智能;2013年11期

7 张抒;蔡勇;解梅;;基于局部区域稀疏编码的人脸检测[J];软件学报;2013年11期

8 单桂军;廖建锋;;最大似然稀疏编码在人脸识别中的研究[J];电视技术;2013年23期

9 王瑞霞;彭国华;郑红婵;;拉普拉斯稀疏编码的图像检索算法[J];计算机科学;2014年08期

10 钱乐乐;高隽;谢昭;;一种融合神经稀疏编码机制的层次目标识别算法[J];中国图象图形学报;2010年10期

中国重要会议论文全文数据库 前3条

1 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年

2 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 张莹莹;梁培基;;视网膜神经元的高效信息处理[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

中国博士学位论文全文数据库 前10条

1 唐海峰;基于信号稀疏表征的故障诊断方法研究[D];上海交通大学;2014年

2 孙宇平;基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D];华南理工大学;2015年

3 李清勇;视觉感知的稀疏编码理论及其应用研究[D];中国科学院研究生院（计算技术研究所）;2006年

4 季昊;稀疏编码研究及其在模式识别中的应用[D];北京邮电大学;2012年

5 孙俊;人脸图像分析和识别方法研究[D];清华大学;2001年

6 朱秋平;基于稀疏编码的织物瑕疵检测算法研究[D];武汉大学;2014年

7 罗敏楠;T-S模糊推理系统的结构稀疏编码辨识理论与方法[D];清华大学;2014年

8 谢锦生;基于动态感知与异常注意的目标描述方法研究[D];中国科学技术大学;2012年

9 刘小白;图像及视频语义解析的关键技术研究[D];华中科技大学;2012年

10 丁昕苗;基于多示例学习的恐怖视频识别技术研究[D];中国矿业大学（北京）;2013年

中国硕士学位论文全文数据库 前10条

1 柏文强;基于局部特征提取和稀疏编码的人脸识别算法研究[D];燕山大学;2015年

2 李明;目标检测与识别算法研究与应用[D];中央民族大学;2015年

3 许涛;面向视频管理的指纹特征提取技术研究[D];电子科技大学;2015年

4 鲍珍珍;基于多路分层稀疏编码的遥感图像场景分类[D];西安电子科技大学;2014年

5 覃晓冰;基于稀疏编码的语音去噪技术研究[D];电子科技大学;2015年

6 谢易道;大规模人脸图像编码及其在人脸验证中的应用研究[D];电子科技大学;2015年

7 勾珍珍;基于空间约束和稀疏编码的高光谱图像分类[D];西安电子科技大学;2014年

8 黄成;基于非负稀疏编码的视频拷贝检测方法研究[D];湘潭大学;2015年

9 张文义;基于智能监控系统的图像质量增强算法的研究[D];南京邮电大学;2015年

10 丁文秀;基于分层深度学习的行人分类方法研究[D];合肥工业大学;2015年

  本文关键词：基于秩限制的联合字典学习，由笔耕文化传播整理发布。

，

本文编号：328538