基于相似性网络融合的目标分类研究

发布时间：2020-06-29 11:34

【摘要】：随着社会政治与经济的高速发展,伴随着越来越多的社会事件及犯罪的发生,视频监控受到的关注程度在不断提高,视频目标分类的研究对于安防监控领域具有重大的现实意义。本文研究学习了相似性网络融合算法,并在前人的研究基础上,提出一种快速相似性网络融合算法,该算法可应用于在线视频目标分类。相似性网络融合算法通过对每种数据特征类型构造相似性矩阵,将多个相似性矩阵构成的网络有效融合成一个相似性矩阵,对新样本进行有效地分类预测。但其具有较高的时间复杂度,因此本文提出快速相似性网络融合算法,主要通过矩阵划分储存与使用训练阶段的矩阵对在线分类预测阶段的矩阵局部替换两个步骤实现,大大减小了算法的时间复杂度。设计实验说明所提出的快速相似性网络融合算法比起相似性网络融合算法在速度上提升了13~16倍,而在平均分类准确率上仅有0.5-0.6个百分点的损失。本文基于所提算法设计在线目标分类系统,并在MATLAB平台上完成软件系统编程工作。系统中加入反馈标注再训练的机制,使该系统在不同监控场景下,有针对性地强化分类器,达到更好的分类性能。设计实验验证系统与所提算法的有效性,说明系统中反馈机制对于分类准确率起到明显的提升效果。本文基于相似性网络融合算法展开研究,提出一种快速算法,并设计实现对应的目标分类软件系统,对于将该算法应用于实际智能监控具有一定现实意义。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41

【参考文献】