多视角局部子空间学习方法研究

发布时间：2017-09-18 01:27

  本文关键词：多视角局部子空间学习方法研究

  更多相关文章： 多视角学习 子空间学习 图像检索

【摘要】：随着互联网技术的发展,子空间学习已经成为机器学习、数据挖掘、模式识别等领域的研究热点。高维数据难以使模型得到理想的学习效果。子空间学习旨在通过计算高维空间中样本间的关系,并保持该关系将样本映射到低维子空间中。由于数据的采集方式不同和多样化的特征提取算法,描述数据的角度逐渐增多。不同特征在机器学习和数据挖掘模型中学习效果也不尽相同。使用单一特征的模型很难得到较好的效果。多视角学习是一种同时利用多个视角下的特征提升模型效果的方法。本文针对多视角子空间学习方法展开研究,并提出了一种多视角的局部子空间学习算法以提升子空间学习的效果,本文的主要工作如下：(1)叙述了多视角学习的背景,意义和国内外研究现状。对多视角学习的三类主要方法：协同训练方法,多核学习方法和子空间学习方法的算法思想和主要进展进行了介绍。(2)对子空间学习和多视角学习的主要技术进行了详细的介绍。重点阐述了本文中所涉及到的局部线性嵌入、拉普拉斯映射和多视角学习中的协同训练多视角谱聚类和协同正则化多视角谱聚类。(3)局部线性嵌入算法是一种经典的子空间学习算法,但是该算法容易受噪声数据的影响,此外邻域参数的选取对算法的结果也有较大的影响。针对该问题,本文提出了一种鲁棒的局部线性嵌入方法。该算法通过使用L2范数对相似度矩阵的复杂性进行惩罚并利用L1范数保证矩阵的稀疏性实现对相似度矩阵的自适应求解。本文同时考虑多视角学习的一致性和互补性原则,通过数据间的一致性对噪声数据产生的影响进行修正,获得统一的鲁棒相似度矩阵,并使用该矩阵进行子空间学习,提升子空间学习的效果。本文给出了多视角局部子空间学习算法的迭代解法,并利用辅助函数法对解法的正确性和收敛性进行证明。本文在手写体,人脸,物体等多种数据集中使用多视角局部子空间学习与其他多视角等算法进行对比,并给出了实验分析以证明多视角局部子空间学习的效果。(4)图像检索是学术界研究的热点问题之一,特征提取的效果对图像检索系统尤为重要,由于互联网图像的复杂性和多样性,单一特征难以取得较好的效果,本文使用多视角子空间学习技术对多种图像特征进行融合并应用到图像检索中,实验表明本文的算法有着较好的效果。
【关键词】：多视角学习 子空间学习 图像检索
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP181
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-13
• 1.2.1 协同训练方法10-11
• 1.2.2 多核学习方法11-12
• 1.2.3 子空间学习方法12-13
• 1.3 本文的研究内容和文章结构安排13-15
• 1.3.1 本文的研究内容13-14
• 1.3.2 本文的章节安排14-15
• 2 相关算法及定义15-25
• 2.1 子空间学习算法15-19
• 2.1.1 局部线性嵌入15-17
• 2.1.2 拉普拉斯映射17-19
• 2.2 多视角学习算法19-25
• 2.2.1 协同训练多视角谱聚类19-21
• 2.2.2 协同正则化多视角谱聚类21-25
• 3 多视角局部子空间学习算法25-53
• 3.1 鲁棒局部子空间学习25-26
• 3.2 多视角局部子空间学习26-31
• 3.3 优化算法与证明31-35
• 3.4 实验结果与分析35-53
• 3.4.1 实验框架及数据集介绍35-38
• 3.4.2 对比算法38-39
• 3.4.3 评价指标39-41
• 3.4.4 实验结果及分析41-53
• 4 多视角图像检索53-64
• 4.1 图像检索框架53-54
• 4.2 底层特征提取54-57
• 4.2.1 颜色特征54-56
• 4.2.2 纹理特征56
• 4.2.3 形状特征56-57
• 4.3 相似性度量方法57
• 4.4 多视角图像检索实验57-64
• 结论64-65
• 参考文献65-69
• 攻读硕士学位期间发表学术论文情况69-70
• 致谢70-71

【相似文献】

中国期刊全文数据库 前10条

1 邹士新;张妍;;基于子空间约束的稳健匹配场定位[J];计算机仿真;2010年01期

2 何大治;谢步瀛;;基于子空间模型的人员疏散路径选择[J];东华大学学报(自然科学版);2007年03期

3 钱诚;张三元;;适用于目标跟踪的加权增量子空间学习算法[J];浙江大学学报(工学版);2011年12期

4 李勇周;罗大庸;刘少强;;空间光滑且完整的子空间学习算法[J];模式识别与人工智能;2009年03期

5 闵锋;鲁统伟;邹旭;;自适应子空间选择方法研究[J];计算机技术与发展;2013年10期

6 宗瑜;江贺;张彦春;李明楚;;一种可信子空间标志方法[J];计算机应用研究;2009年10期

7 李有明，保铮;基于子空间迭代的快速高分辨技术[J];电子学报;1994年02期

8 安志娟;苏洪涛;包志强;保铮;;一种新的基于Krylov子空间的快速子空间分解[J];系统工程与电子技术;2009年01期

9 刘枫;李杨;王文昌;;简化的基于辅助矢量基的子空间DOA算法[J];电子信息对抗技术;2011年02期

10 卢娟;刘飞;;基于规范变量分析的子空间辨识方法及应用[J];计算机工程与应用;2007年11期

中国重要会议论文全文数据库 前5条

1 姜伟;任喜军;周正威;郭光灿;;局域不可区分的子空间[A];第十三届全国量子光学学术报告会论文摘要集[C];2008年

2 周学君;;关于子空间信息准则的扰动分析[A];第九届中国青年信息与管理学者大会论文集[C];2007年

3 张瑜;袁书娟;杨爱民;;Krylov子空间上并行预校GMRES(m)算法的研究[A];2009年全国开放式分布与并行计算机学术会议论文集(下册)[C];2009年

4 王良;宋志杰;;一种稳定的长线阵子空间相交方法[A];2008年全国声学学术会议论文集[C];2008年

5 葛鹏程;李建中;张兆功;何震瀛;;一种基于势能的快速聚类算法[A];第二十二届中国数据库学术会议论文集（研究报告篇）[C];2005年

中国博士学位论文全文数据库 前6条

1 李阳;张量理论及其在阵列处理中的应用研究[D];复旦大学;2014年

2 郭海霞;典型群的几何学在Pooling设计和压缩感知理论上的应用[D];大连理工大学;2015年

3 张杰;有引导的低秩表示及其在数字几何中的应用[D];大连理工大学;2015年

4 唐科威;数据的子空间与流形结构分析方法[D];大连理工大学;2015年

5 黄震华;子空间SKYLINE查询若干关键问题的研究[D];复旦大学;2008年

6 庞永锋;关于双三角子空间格代数及其上映射的研究[D];陕西师范大学;2007年

中国硕士学位论文全文数据库 前10条

1 王刚;基于奇异线性空间的子空间码的构造[D];中国民航大学;2015年

2 方梦琪;基于子空间技术的麻醉过程系统辨识与预测控制算法研究[D];北京化工大学;2015年

3 李晓丽;矩阵填充的子空间逼近法[D];太原理工大学;2016年

4 宋立娜;一个特定闭子空间上乘法算子的拟相似性和约化子空间[D];河北师范大学;2016年

5 程金旭;二维系统的子空间辨识算法研究及软件开发[D];北京化工大学;2016年

6 蔡磊;多视角局部子空间学习方法研究[D];大连理工大学;2016年

7 魏木生;限制子空间的扰动及其应用[D];华东师范大学;2007年

8 淦华东;自适应子空间估计及其在目标方位跟踪中的应用[D];西北工业大学;2005年

9 谭坤;快速子空间追踪算法研究[D];电子科技大学;2010年

10 李帅;基于子空间分离的多模式工业过程监测方法研究[D];东北大学;2013年

，

本文编号：872577