面向多模态数据的鲁棒非平行平面分类器研究

发布时间：2021-10-11 03:08

　　支持向量机（SVM）作为模式识别和数据挖掘领域非常流行的分类方法之一,其理论自上世纪60年代诞生,并在最近的数十年来得到了快速的发展和广泛的应用。基于SVM的改进方法广义特征值最接近支持向量机（GEPSVM）在提升算法泛化性能的同时,也降低了计算成本。随着信息技术的迅猛发展,多模态数据的普及催生了多视图学习（MVL）的产生与发展。相比于传统的单视图方法,多视图学习能够利用不同视图特征的一致和互补信息从而提升学习器的学习性能。多视图广义特征值最接近支持向量机（MvGSVM）,巧妙地将多视图学习与GEPSVM融合起来,利用多视图共正则项寻找不同视图间的一致性。然而,包括MvGSVM在内的大多数多视图分类方法,目标模型的优化都是基于平方L2范数距离度量,很容易受到离群点的负面影响。为了解决当前多视图分类学习鲁棒性不足的问题,本文提出了三种基于SVM的鲁棒多视图分类算法,主要研究内容如下:1.鉴于MvGSVM的良好分类表现,本文提出了一种的新的多视图分类方法——鲁棒多视图广义特征值最接近支持向量机（Lp,s-MvGEPSVM）。不同于MvGSVM,该方法利用Lp和Ls范数分别对超平面到正类样本... 

【文章来源】：南京林业大学江苏省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

多模态数据集示例

22本文选取的手写体数据集（HandwrittenDigits）是从荷兰的一组实用地图中提取的数字二进制特征集，从数字“0”到“9”总共10类，每类包括200个样本，原始样本有六种不同视图特征集合。本文选取其中的两个视图，分别为原始数据的傅里叶系数（76维）和KL系数（64维）。在CUHK人脸数据库（CUFS）中，每一张人脸都有照片与素描两种表示方式，如图3-1所示。在该数据库中，本文选取188张人脸图像，以男女性别作为正负类别划分，分别以照片和素描作为不同的视图。图3-1CUHK人脸数据集图像示例Fig.3-1TheexampleofCUHKfacedatasetAR人脸数据库包含50位男性和50位女性总计2600张人脸图像，每人26张不同角度、遮挡或光照的图片（如图3-2-a所示）。基于此，实验利用男女性别为正负类标记，用原始灰度图像作为第一个视图，利用LBP提取纹理特征作为第二个视图（如图3-2-b所示）。(a)原始图像(b)LBP纹理图像图3-2AR人脸数据集图像示例Fig.3-2TheexampleofARfacedataset


本文编号：3429667