基于典型相关分析的多视角图像识别算法研究
发布时间：2021-12-28 18:06
随着便携式数字图片采集和存储设备的发展,海量的数字图片出现在我们的日常生活中。这些图片一方面使得我们的生活更加智能,另一方面也给机器学习和图像识别领域带来新的挑战。实际应用中通常面临以下两个问题:（1）没有已知标签的图像样本用于训练分类模型;（2）大量的多视角图片不能得到有效的利用。多视角学习能够利用多视角图片中的互补信息,更加全面的学习到目标对象的本质特征,进而提高分类性能。典型相关分析算法（CCA）作为一种无监督的多视角学习算法,可以很好的解决上述问题。目前,CCA及其改进算法已被广泛地应用于数据挖掘,模式识别等领域。在深入研究CCA算法的基础上,本文的主要贡献如下:1.提出了Hessian正则化的多重集典型相关分析算法（HesMCC）。相比于Laplacian正则化,Hessian正则化方法能够更好的保持数据流形的局部几何结构。本文在手写数字数据库USPS,人脸数据库Yale-B、ChokePoint以及物体识别数据库ETH-80中进行多视角图像分类实验。实验结果证明HesMCC算法优于其他相关算法,包括:TCCA,KMUDA,MCCA和LapMCC。2.提出了深度的典型相关分析...
【文章来源】：中国石油大学(华东)山东省 211工程院校 教育部直属院校
【文章页数】：107 页
【学位级别】：硕士
【部分图文】：
现实世界中的多视角数据
协同训练算法框图
中国石油大学（华东）硕士学位论文5空间选取不同的核；2）利用所选的核函数将与其对应数据的特征空间映射到核空间；3）通过多核学习，将核空间里的数据按照最优组合映射到组合核空间；4）并在组合核空间里生成一个组合核。图1-3多核学习算法框图Figure1-3Frameworkofmultiplekernellearning与单核学习相比，多核学习将不同的核函数进行融合来挖掘多视角数据之间的内在联系，能够更加全面，更加灵活地表达多视角数据，增强了泛化能力。因此，多核学习受到了广泛关注，大量的多核学习算法被提出，包括：SMO（sequentialminimaloptimization）多核学习[15]，简单多核学习方法[16]，基于grouplasso的多核学习[17,18]等。Bach等人[15]从二阶锥规划的角度处理多核学习问题，并提出了带Moreau-Yosida正则化项的SMO算法。Rakotomamonjy等人[16]通过自适应的2范数以及混合范数求解多核学习问题，提出了简单多核学习方法。基于grouplasso的多核学习方法首先将不同的核函数根据输入数据所属子集的不同进行分组，并分析组合核与分类任务是否相关，进而抑制不相关的核或组。反之，相关的组合核中所有的核函数都将被选用。基于这种思想，Szafranski等人[17]将多核的组结构与group-LASSO建立联系，提出了组合核学习方法（CKL）。Xu等人[18]通过讨论多核学习与group-LASSO正则项之间的关系，将正则化约束引入多核学习，用范数对核权重进行约束，提出了-MKL。1.2.3子空间学习算法在很多的实际问题中，不同视角的数据往往具有各自不同的维度，这给同时分析多视角数据带来了一定难度。子空间学习假设输入的多视角数据共有一个潜在的子空间，在这个子空间中所有视角的数据维度是一致的，并且这些多视角数据的特征空间都可以
【参考文献】：
期刊论文
[1]机插水稻产量与产量相关性状及农艺性状的相关性研究[J]. 吴正贵,蔡林运,盛雪雯,邱枫,徐建方,黄洁,周培南. 安徽农业科学. 2017(32)
[2]基于主成分分析和字典学习的高光谱遥感图像去噪方法[J]. 霍雷刚,冯象初. 电子与信息学报. 2014(11)
[3]城镇化对耕地集约利用影响的典型相关分析及其政策启示[J]. 柯新利,马才学. 中国土地科学. 2013(11)
[4]余弦度量和适应度函数改进的聚类方法[J]. 施侃晟,刘海涛,白英彩,宋文涛,洪亮亮. 电子科技大学学报. 2013(04)
[5]广州市大学生睡眠质量与压力典型相关分析[J]. 彭淋,董晓梅,李洋,张思恒,陈雄飞,董杉,杨剑,王声湧. 中国公共卫生. 2014(03)
[6]企业社会责任和企业绩效的典型相关分析——基于利益相关者视角[J]. 钱瑜. 企业经济. 2013(03)
[7]基于典型相关分析的区域创新系统投入与产出关系研究[J]. 于明洁,郭鹏. 科学学与科学技术管理. 2012(06)
本文编号：3554494
【文章来源】：中国石油大学(华东)山东省 211工程院校 教育部直属院校
【文章页数】：107 页
【学位级别】：硕士
【部分图文】：
现实世界中的多视角数据
协同训练算法框图
中国石油大学（华东）硕士学位论文5空间选取不同的核；2）利用所选的核函数将与其对应数据的特征空间映射到核空间；3）通过多核学习，将核空间里的数据按照最优组合映射到组合核空间；4）并在组合核空间里生成一个组合核。图1-3多核学习算法框图Figure1-3Frameworkofmultiplekernellearning与单核学习相比，多核学习将不同的核函数进行融合来挖掘多视角数据之间的内在联系，能够更加全面，更加灵活地表达多视角数据，增强了泛化能力。因此，多核学习受到了广泛关注，大量的多核学习算法被提出，包括：SMO（sequentialminimaloptimization）多核学习[15]，简单多核学习方法[16]，基于grouplasso的多核学习[17,18]等。Bach等人[15]从二阶锥规划的角度处理多核学习问题，并提出了带Moreau-Yosida正则化项的SMO算法。Rakotomamonjy等人[16]通过自适应的2范数以及混合范数求解多核学习问题，提出了简单多核学习方法。基于grouplasso的多核学习方法首先将不同的核函数根据输入数据所属子集的不同进行分组，并分析组合核与分类任务是否相关，进而抑制不相关的核或组。反之，相关的组合核中所有的核函数都将被选用。基于这种思想，Szafranski等人[17]将多核的组结构与group-LASSO建立联系，提出了组合核学习方法（CKL）。Xu等人[18]通过讨论多核学习与group-LASSO正则项之间的关系，将正则化约束引入多核学习，用范数对核权重进行约束，提出了-MKL。1.2.3子空间学习算法在很多的实际问题中，不同视角的数据往往具有各自不同的维度，这给同时分析多视角数据带来了一定难度。子空间学习假设输入的多视角数据共有一个潜在的子空间，在这个子空间中所有视角的数据维度是一致的，并且这些多视角数据的特征空间都可以
【参考文献】：
期刊论文
[1]机插水稻产量与产量相关性状及农艺性状的相关性研究[J]. 吴正贵,蔡林运,盛雪雯,邱枫,徐建方,黄洁,周培南. 安徽农业科学. 2017(32)
[2]基于主成分分析和字典学习的高光谱遥感图像去噪方法[J]. 霍雷刚,冯象初. 电子与信息学报. 2014(11)
[3]城镇化对耕地集约利用影响的典型相关分析及其政策启示[J]. 柯新利,马才学. 中国土地科学. 2013(11)
[4]余弦度量和适应度函数改进的聚类方法[J]. 施侃晟,刘海涛,白英彩,宋文涛,洪亮亮. 电子科技大学学报. 2013(04)
[5]广州市大学生睡眠质量与压力典型相关分析[J]. 彭淋,董晓梅,李洋,张思恒,陈雄飞,董杉,杨剑,王声湧. 中国公共卫生. 2014(03)
[6]企业社会责任和企业绩效的典型相关分析——基于利益相关者视角[J]. 钱瑜. 企业经济. 2013(03)
[7]基于典型相关分析的区域创新系统投入与产出关系研究[J]. 于明洁,郭鹏. 科学学与科学技术管理. 2012(06)
本文编号：3554494
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3554494.html
