基于图约束的模型学习研究

发布时间：2024-07-06 01:36

　　近年来,机器学习理论和应用正以惊人的速度发展并改善着人们的生活,目前机器学习算法已经广泛应用于民生、医疗、安防以及国防等领域,例如基于人脸识别的门禁和安防系统、基于指纹识别的支付系统、图像检索以及谷歌在研的无人驾驶汽车等等。随着计算机硬件、网络以及相关数据采集设备的快速发展,给人们获取丰富的数据资源带来了极大的便利,大量的数据含有丰富的信息,原则上应有助于机器学习学习到更合理的模型,但是丰富的数据也带来了数据复杂性的提高、信息过量和数据冗余等问题,甚至部分数据由于不规范的采集方式或恶劣的采集环境会出现大量的噪声,这些数据尽管信息丰富但知识匮乏,直接对其进行分析不仅效率低下,而且由于冗余特征和噪声数据的存在而难以学习到一个鲁棒的模型。如何针对不同的任务,从中提取出最有价值的信息进行分析成为了机器学习和模式识别领域的重点和难点。从数据中抽取有用信息的过程我们称之为特征抽取,一种有效的特征抽取方法不仅能够极大地降低数据的维数从而提高算法效率,而且有助于针对不同的任务学习到更鲁棒的模型从而提高模型的泛化能力,因此特征抽取算法的研究具有重要的意义。目前,基于图约束的模型广泛应用在数据的模式抽取与...

【文章页数】：129 页

【学位级别】：博士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
    1.2 研究目的与意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 子空间学习研究现状
        1.3.1 图嵌入方法
        1.3.2 子空间学习
    1.4 存在的问题
    1.5 本文主要研究内容
    1.6 本文的章节安排
第二章 相关知识与相关算法
    2.1 正则化参数
    2.2 稀疏表示
    2.3 图嵌入方法
    2.4 多视角学习
    2.5 本章小结
第三章 自适应局部保持的鲁棒判别分析
    3.1 引言
    3.2 自适应局部保持的鲁棒判别分析框架
        3.2.1 问题描述
        3.2.2 RDA LAP模型设计
        3.2.3 RDA LAP模型求解
    3.3 算法分析
    3.4 实验结果与分析
        3.4.1 基于各类标准数据集的实验
        3.4.2 参数灵敏度分析
        3.4.3 收敛性分析
        3.4.4 计算时间比较
    3.5 本章小结
第四章 松弛的稀疏局部保持投影
    4.1 引言
    4.2 松弛的稀疏局部保持投影学习
        4.2.1 问题描述
        4.2.2 RSLPP模型设计
        4.2.3 RSLPP模型优化
    4.3 算法分析
        4.3.1 收敛性分析
        4.3.2 复杂度分析
    4.4 实验结果与分析
        4.4.1 数据库和实验设置
        4.4.2 基于各类标准数据集的实验
        4.4.3 参数敏感度分析
        4.4.4 收敛性分析
    4.5 本章小结
第五章 基于差异提升的多视角图学习
    5.1 引言
    5.2 基于差异提升的多视角图学习
        5.2.1 问题描述
        5.2.2 DMGL模型动机
        5.2.3 DMGL模型设计
        5.2.4 DMGL模型优化
    5.3 算法分析
        5.3.1 收敛性分析
        5.3.2 复杂度分析
    5.4 实验结果与分析
        5.4.1 数据集说明
        5.4.2 实验设置
        5.4.3 加权系数分析
        5.4.4 分类结果分析
        5.4.5 算法收敛性和参数敏感性
    5.5 本章小结
总结与展望
参考文献
攻读博士学位期间发表或完成的论文
攻读博士学位期间获得的奖励和参与的项目
致谢
附录 本文相关数学符号说明



本文编号：4001862