基于鉴别性半监督字典学习的图像分类算法研究与实现

发布时间：2022-02-11 06:52

　　近几年来,机器学习和人工智能已经得到了迅速的发展,如人脸识别和行为检测等计算机视觉任务在实际场景中已经得到了重要的使用。在传统的机器学习方法中,监督学习凭借着训练数据的标签信息,一直发挥着最为重要的作用。然而,在大多数实际应用中,标签训练数据通常非常有限,而获取大量的未标记训练样本相对容易,因此,只需少量标注样本的半监督学习近几年来已引起研究人员的高度关注。在半监督学习中,半监督字典学习的方法是最具有前景的方向之一。这类算法的核心是如何通过少量的标注样本,来学习具有鉴别性的分类器字典,此外,不同的编码表示方式以及加入不同的鉴别项,都会对最后所学字典的分类能力有比较重要的影响。本文提出了两种不同的鉴别性半监督字典学习算法,在不同的图像分类应用中,如自闭症诊断,人脸图像识别,字符识别和目标分类任务中,均取得了比现有方法更高的识别精度。具体贡献如下:首先,提出了一个提升的标签传播算法与半监督字典学习相结合的方法,该方法基于同类数据存在共性和特异性的假设,采取了对样本数据进行共性和特异性的联合编码方式,同时,改进的标签传播算法将更加准确地估计非标签样本在各个类别上的所属概率。最后,我们在四个来... 

【文章来源】：深圳大学广东省

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

稀疏表示在人脸识别任务上的应用

基于鉴别性半监督字典学习的图像分类算法研究与实现编码系数，我们根据线性判别式的思想，对系数进行减减少了他们在类内的误差。认为来自相同类别的标签数据，除了共性之外，还有 3-1 所示，均来自第 i 类的标签样本 和 ，他们 和 ，如果我们仅仅强调它们的编码系数相似（即忽略了在他们差异性之间的鉴别性。因此我们同时考性，这样有利于接下来的分类任务。

基于鉴别性半监督字典学习的图像分类算法研究与实现始的标签传播算法，在计算样本相似性的时候，是通过样本之间的距离一般是欧式距离（在优化求解章节，将详细地说明具体的标签传播算这样的一个原始标签传播算法，我们 ILP 算法主要有以下两个优点： 原始的标签传播算法，计算样本相似性的过程（也就是计算概率矩阵），对于字典学习来说是一个单向反馈机制，也就是概率矩阵的更新，典的更新，但是字典的更新却不能影响概率矩阵的更新，因为样本之间不会改变。图 3-2 指出了原始标签传播和提升的标签传播 ILP 之间的区 提升的标签传播算法，在计算样本相似性时，是基于非标签样本在各的重构误差，而重构误差的计算跟字典的更新有很大的联系，因此这种更真实地反映了样本之间的相似性，同时有助于准确地评估非标签样本别。


本文编号：3619812