本文選題：模式識(shí)別 + 隨機(jī)點(diǎn)積圖　； 參考：《安徽大學(xué)》2012年博士論文

【摘要】：隨著計(jì)算機(jī)技術(shù)與人工智能理論的發(fā)展,模式識(shí)別的理論與方法研究已經(jīng)取得很大進(jìn)展,并已廣泛應(yīng)用于聲音和語言識(shí)別、文字識(shí)別、指紋識(shí)別、圖像分析等領(lǐng)域。近年來,網(wǎng)絡(luò)數(shù)據(jù)的分析和處理成為模式識(shí)別的重要研究內(nèi)容。面對網(wǎng)絡(luò)這種新型、動(dòng)態(tài)的大規(guī)模關(guān)系數(shù)據(jù),隨機(jī)圖及其所衍生出的復(fù)雜網(wǎng)絡(luò)理論受到越來越多的關(guān)注。 研究表明,隨機(jī)圖可以更好地模擬現(xiàn)實(shí)的關(guān)系數(shù)據(jù),在分類、聚類、匹配等模式識(shí)別經(jīng)典問題中都顯示出明顯優(yōu)勢與發(fā)展?jié)摿Α１疚牧⒆阌谝环N重要的隨機(jī)圖模型——隨機(jī)點(diǎn)積圖,重點(diǎn)研究了隨機(jī)點(diǎn)積圖在自動(dòng)圖像標(biāo)注、多社團(tuán)屬性關(guān)系傳播、網(wǎng)絡(luò)攻擊檢測等多個(gè)模式識(shí)別新興熱點(diǎn)問題中的應(yīng)用,并從理論上對隨機(jī)點(diǎn)積圖在保持模長歸一化的約束下進(jìn)行了進(jìn)一步的推廣。 隨機(jī)點(diǎn)積圖是近年來新提出的一種點(diǎn)-邊隨機(jī)圖模型,它通過對節(jié)點(diǎn)的隨機(jī)賦值,依照點(diǎn)積規(guī)則計(jì)算節(jié)點(diǎn)之間的連接概率,從而通過節(jié)點(diǎn)的隨機(jī)性體現(xiàn)出邊的隨機(jī)性,形成隨機(jī)圖。隨機(jī)點(diǎn)積圖具有聚類性、傳遞性、度冪律性等多種重要性質(zhì),可以很好地?cái)M合現(xiàn)實(shí)存在的各種圖結(jié)構(gòu)和網(wǎng)絡(luò)。本文從概率期望的角度證明了隨機(jī)點(diǎn)積圖的傳遞性,將在一維空間中的證明過程推廣到高維空間中；傳統(tǒng)的傳遞性質(zhì)只涉及節(jié)點(diǎn)連通時(shí)的情況,本文提出了在隨機(jī)點(diǎn)積圖中節(jié)點(diǎn)不連通時(shí)邊概率的傳遞性,并給予證明。對于隨機(jī)點(diǎn)積圖的求解問題,本文研究了隨機(jī)點(diǎn)積圖對關(guān)聯(lián)圖的模擬,并給出求解方法。該解法從關(guān)聯(lián)圖的加權(quán)鄰接矩陣出發(fā),將關(guān)聯(lián)圖的隨機(jī)點(diǎn)積化問題轉(zhuǎn)化成了矩陣范數(shù)逼近問題,通過對加權(quán)鄰接矩陣的譜分解得到節(jié)點(diǎn)的賦值。 圖像標(biāo)注是基于內(nèi)容的圖像檢索的重要和具有挑戰(zhàn)性的課題。隨著數(shù)字圖像數(shù)據(jù)量呈爆炸性增長,如何有效檢索海量的圖像數(shù)據(jù)是個(gè)人與商業(yè)搜索引擎都迫切需要考慮的問題。自動(dòng)圖像標(biāo)注能提供更符合人類檢索習(xí)慣的文本輸入查詢方式,是圖像檢索中的一項(xiàng)關(guān)鍵技術(shù)。本文提出了一種基于隨機(jī)點(diǎn)積圖的圖像標(biāo)注算法,該算法首先構(gòu)造了一個(gè)融合了底層特征間、標(biāo)注詞間以及圖像與標(biāo)注詞間的相似關(guān)系的關(guān)聯(lián)圖,再利用隨機(jī)點(diǎn)積圖對該關(guān)聯(lián)圖進(jìn)行重構(gòu),挖據(jù)出圖像的底層特征間和標(biāo)注詞間隱藏的相似關(guān)系,并形成狀態(tài)轉(zhuǎn)移概率,結(jié)合重啟式隨機(jī)游走,最終實(shí)現(xiàn)自動(dòng)圖像標(biāo)注。基于隨機(jī)點(diǎn)積圖的圖像標(biāo)注算法將基本標(biāo)注階段與標(biāo)注改善階段結(jié)合起來,從整體進(jìn)行關(guān)聯(lián)圖的隨機(jī)點(diǎn)積重構(gòu),并實(shí)現(xiàn)自動(dòng)標(biāo)注。在多個(gè)通用圖像庫上的實(shí)驗(yàn)證明,該方法可以有效提高圖像標(biāo)注精度,尤其在圖像庫較小時(shí),具有明顯優(yōu)勢。 近年來社會(huì)網(wǎng)絡(luò)的研究取得了高速發(fā)展,其應(yīng)用也越來越普及。與傳統(tǒng)的模式識(shí)別不同,網(wǎng)絡(luò)分析側(cè)重個(gè)體之間相互聯(lián)系的分析和挖掘,所以從模式識(shí)別的角度來看,網(wǎng)絡(luò)分析也稱為“鏈接識(shí)別”(Link recognition)或者“鏈接分析”(Link analysis)。在網(wǎng)絡(luò)中,個(gè)體與個(gè)體之間圍繞共同的興趣和話題相互聯(lián)系形成不同的社團(tuán)。當(dāng)前,社團(tuán)已經(jīng)成為了解網(wǎng)絡(luò)結(jié)構(gòu)、功能和增長機(jī)制的重要工具。由于不同社團(tuán)中存在的數(shù)據(jù)關(guān)系大不相同,社團(tuán)之間屬性關(guān)系的傳播已成模式識(shí)別中一個(gè)挑戰(zhàn)性的問題。本文提出了一種基于隨機(jī)點(diǎn)積圖的多社團(tuán)屬性關(guān)系傳播算法。該方法從已知屬性關(guān)系的社團(tuán)入手,結(jié)合目標(biāo)社團(tuán)中的個(gè)體特征,用隨機(jī)點(diǎn)積圖對當(dāng)前屬性關(guān)系不斷演化,挖掘出目標(biāo)社團(tuán)中隱藏的屬性關(guān)系。該方法可以同時(shí)實(shí)現(xiàn)對社團(tuán)中成員的劃分與屬性關(guān)系的跨社團(tuán)傳遞。通過在多個(gè)實(shí)際社會(huì)網(wǎng)絡(luò)數(shù)據(jù)庫的實(shí)驗(yàn)表明,該方法可以準(zhǔn)確揭示社團(tuán)中隱藏的屬性關(guān)系。 數(shù)據(jù)降維與嵌入是模式識(shí)別中的重要研究問題。對于關(guān)系數(shù)據(jù),隨機(jī)點(diǎn)積圖可以將圖中的節(jié)點(diǎn)嵌入到向量空間中。關(guān)系數(shù)據(jù)經(jīng)過核函數(shù)形成的相似矩陣往往具有相同的對角元,基于這一重要性質(zhì),本文提出一種改進(jìn)的隨機(jī)點(diǎn)積圖模型——保持模長歸一化的隨機(jī)點(diǎn)積圖,它可以將圖嵌入到一個(gè)球面空間中。此外,對于歸一化的特征數(shù)據(jù),現(xiàn)有的降維方法都沒有考慮數(shù)據(jù)的歸一化性質(zhì),將保持模長歸一化的隨機(jī)點(diǎn)積圖模型用于這類數(shù)據(jù)的降維中,則降維后的特征數(shù)據(jù)依然是模長歸一化的。在這種隨機(jī)點(diǎn)積圖模型的解空間中,歐氏距離與夾角余弦是等價(jià)的。本文從理論上給出了該模型的求解方法與收斂性分析。在多個(gè)真實(shí)數(shù)據(jù)庫上的聚類實(shí)驗(yàn)表明,該模型可以得到更具可分性的節(jié)點(diǎn)嵌入結(jié)果。 隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,大規(guī)模的動(dòng)態(tài)網(wǎng)絡(luò)通過計(jì)算機(jī)和其他設(shè)備將人類連接起來,這種大規(guī)模網(wǎng)絡(luò)已經(jīng)成為人們獲取信息和知識(shí)的重要來源。為增強(qiáng)網(wǎng)絡(luò)用戶的安全性,網(wǎng)絡(luò)攻擊行為檢測成為模式識(shí)別在網(wǎng)絡(luò)分析中亟待解決的新問題。本文提出了一種新的基于保持模長歸一化隨機(jī)點(diǎn)積圖的網(wǎng)絡(luò)攻擊檢測方法,根據(jù)待測網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的隨機(jī)點(diǎn)積圖譜空間坐標(biāo)識(shí)別欺騙或攻擊。本文從理論上證明了攻擊者與普通節(jié)點(diǎn)分別落在譜空間的不同區(qū)域中。保持模長歸一化隨機(jī)點(diǎn)積圖將節(jié)點(diǎn)的譜坐標(biāo)合理分布于球面空間中,并在該球面空間中識(shí)別攻擊行為,尤其可以探測出在原始網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中難以識(shí)別的協(xié)同攻擊。與現(xiàn)有基于拓?fù)涞墓魴z測方法相比較,對于各種形式的協(xié)同攻擊,本文方法可以顯著提高攻擊檢測的有效性及效率。
[Abstract]:With the development of computer technology and artificial intelligence theory, the research of pattern recognition theory and method has made great progress, and has been widely used in the fields of voice and language recognition, word recognition, fingerprint recognition, image analysis and so on. In recent years, the analysis and management of network data has become an important research content of pattern recognition. A new type of dynamic large-scale relational data, random graph and the complex network theory derived from it have attracted more and more attention.
The research shows that the random graph can better simulate the real relational data and show obvious advantages and development potential in the classification, clustering, matching and other classic problems. This paper is based on an important random graph model, random dot product graph, and focuses on the automatic image annotation and multi community attribute relationship. The applications of many new hot issues such as propagation, network attack detection and so on are identified, and the stochastic point product graph is further extended under the constraint of maintaining the normalization of the model length.
Random dot product graph (random dot product graph) is a new model of point edge random graph in recent years. Through the random assignment of nodes, it calculates the connection probability between nodes according to the rule of point product. By the randomness of nodes, it embodies the randomness of the edges and forms random graphs. The random dot product graphs have many important properties, such as clustering, transitivity, power law and so on. In this paper, the transitivity of random dot product graphs is proved from the perspective of probability expectation, and the proof process in one dimension space is extended to the high dimensional space. The traditional transitive property only involves the case of node connectivity. This paper proposes the node disconnection in the random dot product graph. In order to solve the problem of the random dot product graph, this paper studies the simulation of the random dot product graph and gives the solution method. From the weighted adjacency matrix of the association graph, the problem of the random point accumulation of the correlation graph is transformed into the approximation problem of the matrix norm, and the weighted adjacency moment is used. The spectral decomposition of the matrix results in the assignment of the nodes.
Image annotation is an important and challenging topic in content based image retrieval. With the explosive growth of digital image data, how to effectively retrieve massive image data is an urgent problem for both individual and commercial search engines. Automatic image annotation can provide text input which is more in line with human retrieval habits. It is a key technology in image retrieval. In this paper, an image annotation algorithm based on random dot product graph is proposed. The algorithm first constructs an association graph which combines the underlying features, annotated words, and the similarity relation between the image and the annotation words, and then reconstructs the association graph by random dot product graph. The similarity relation between the underlying feature and the annotation of the image is hidden, and the state transfer probability is formed, and the automatic image annotation is achieved by combining the restart random walk. The image annotation algorithm based on the random dot product graph combines the basic annotation stage with the annotation improvement stage, and reconstructs the random point product of the association graph from the whole, and it is real. This method can effectively improve the accuracy of the image annotation, especially in the small image library, which has obvious advantages.
In recent years, the research of social network has been developing rapidly and its application is becoming more and more popular. Unlike traditional pattern recognition, network analysis focuses on the analysis and mining of interrelationships among individuals, so from the perspective of pattern recognition, network analysis is also called "Link recognition" or "Link ana". Lysis). In the network, individuals and individuals are connected around common interests and topics to form different associations. At present, the community has become an important tool to understand the structure, function and growth mechanism of the network. Because the data relations in different societies are very different, the propagation of attribute relations among groups has become one of the pattern recognition. This paper proposes a multi community attribute relation propagation algorithm based on random dot product graph. This method starts with the community of the known attribute relations and combines the individual characteristics of the target community, and evolves the current attribute relation with the random dot product graph, and excavates the hidden attribute relation in the target community. At the same time, the relationship between the division and property of the members of the community is transferred across societies. Through the experiments in a number of real social network databases, it is shown that this method can accurately reveal the hidden attribute relationship in the community.
The data reduction and embedding of data is an important research problem in pattern recognition. For relational data, random dot product graphs can be embedded into the vector space. The similarity matrix formed by the relational data through kernel function often has the same diagonal element. Based on this important property, an improved random dot product graph model is proposed in this paper. In addition, for the normalized feature data, the existing dimensionality reduction methods do not take into account the normalization of the data, and the random dot product graph model, which maintains the normalization of the model length, is used in the dimensionality reduction of this kind of data, and the feature data after the dimensionality reduction is dependent. In the solution space of this random dot product graph model, the Euclidean distance is equivalent to the angle cosine. In this paper, the solution method and convergence analysis of the model are given in theory. The clustering experiments on multiple real databases show that the model can get more separable node embedding results.
With the development of Internet technology, large scale dynamic networks connect people through computers and other devices. This large-scale network has become an important source for people to obtain information and knowledge. In order to enhance the security of network users, network attack behavior detection has become a new question to be solved in network analysis. In this paper, a new network attack detection method based on the maintenance model length normalized random dot product graph is proposed, which identifies the deception or attack according to the spatial coordinates of the random dot product Atlas of the network topology. This paper theoretically proves that the attacker and the common node fall in the different regions of the spectral space respectively. The random point product graph distributes the spectral coordinates of the nodes in the spherical space reasonably and identifies the attack behavior in the spherical space, especially the cooperative attack which is difficult to identify in the original network topology. Compared with the existing topology based attack detection methods, this method can be significant for various forms of cooperative attack. Improve the effectiveness and efficiency of attack detection.

【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張文娜;秦國軍;胡蔦慶;;人工嗅覺系統(tǒng)關(guān)鍵技術(shù)研究進(jìn)展[J];傳感器與微系統(tǒng);2011年08期

2 王煥靈;尤波;黃玲;楊大鵬;;基于肌電信號(hào)的手部動(dòng)作模式識(shí)別新思路[J];計(jì)算機(jī)工程與應(yīng)用;2011年21期

3 潘承恩;;改進(jìn)的小腦控制神經(jīng)網(wǎng)絡(luò)算法研究[J];計(jì)算機(jī)仿真;2011年07期

4 段美軍;梁貴芹;余碩;;一種基于BP網(wǎng)絡(luò)的雷達(dá)信號(hào)模糊模式識(shí)別方法[J];信息技術(shù);2011年08期

5 江潔;王昊予;張廣軍;;虛擬擴(kuò)展成像在大視場姿態(tài)角測量中的應(yīng)用[J];北京航空航天大學(xué)學(xué)報(bào);2011年06期

6 劉紹輝;孫建超;姚鴻勛;;一種改進(jìn)的基于馬爾科夫鏈的擴(kuò)頻圖像隱寫分析方法[J];中國科學(xué)院研究生院學(xué)報(bào);2011年05期

7 王濤春;古奮飛;左開中;;不同坐標(biāo)系下空間兩球體關(guān)系的安全判定協(xié)議[J];計(jì)算機(jī)應(yīng)用;2011年09期

8 鄒修國;;基于計(jì)算機(jī)視覺的農(nóng)作物病蟲害識(shí)別研究現(xiàn)狀[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2011年06期

9 ;[J];;年期

10 ;[J];;年期

相關(guān)會(huì)議論文 前10條

1 曾銳;王潤秋;胡天躍;;地震資料解釋中模式識(shí)別方法的應(yīng)用研究[A];2000年中國地球物理學(xué)會(huì)年刊——中國地球物理學(xué)會(huì)第十六屆年會(huì)論文集[C];2000年

2 趙舉孝;王碩儒;;神經(jīng)網(wǎng)絡(luò)模式識(shí)別在成礦預(yù)測中的試驗(yàn)研究[A];1995年中國地球物理學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];1995年

3 劉冬娥;黃婧芝;吳國平;;基于GR-SVM儲(chǔ)層油氣、水模式識(shí)別[A];中國地球物理學(xué)會(huì)第二十四屆年會(huì)論文集[C];2008年

4 鄧少平;田師一;;電子舌:技術(shù)背景與研究進(jìn)展[A];提高全民科學(xué)素質(zhì)、建設(shè)創(chuàng)新型國家——2006中國科協(xié)年會(huì)論文集[C];2006年

5 鄧少平;田師一;;電子舌：技術(shù)背景與研究進(jìn)展[A];食品感官科學(xué)前沿與發(fā)展——首屆中國食品感官科學(xué)學(xué)術(shù)研討會(huì)暨《食品感官科學(xué)》課程建設(shè)研討會(huì)論文集[C];2006年

6 劉曉;徐榮軍;顧文兵;楊寶權(quán);王軍;;基于模式識(shí)別和神經(jīng)網(wǎng)絡(luò)的VD溫度預(yù)報(bào)模型[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對策（下冊）[C];2002年

7 馬超;方劍青;李紅軍;雷玉錦;周陸軍;趙燁;;聲學(xué)共振譜信號(hào)模式識(shí)別方法[A];泛在信息社會(huì)中的聲學(xué)——中國聲學(xué)學(xué)會(huì)2010年全國會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文集[C];2010年

8 劉潤廣;;模糊模式識(shí)別方法用于水工樞紐設(shè)計(jì)智能系統(tǒng)的初步研究[A];中國土木工程學(xué)會(huì)計(jì)算機(jī)應(yīng)用學(xué)會(huì)第六屆年會(huì)土木工程計(jì)算機(jī)應(yīng)用文集[C];1995年

9 蔣力培;黃軍芬;殷樹言;;基于二維小波變換及模式識(shí)別的焊縫坡口識(shí)別[A];第十一次全國焊接會(huì)議論文集（第2冊）[C];2005年

10 張二華;楊靜宇;費(fèi)琪;;用神經(jīng)網(wǎng)絡(luò)進(jìn)行測井相模式識(shí)別[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

相關(guān)重要報(bào)紙文章 前10條

1 本報(bào)記者 張婷婷 陳兆平 賴曉莉;圍繞熱點(diǎn)重點(diǎn)難點(diǎn)積極履職[N];成都日報(bào);2005年

2 邊紅星;謹(jǐn)防“仇智”心理[N];甘肅經(jīng)濟(jì)日報(bào);2005年

3 李光天;生活中的“一二三四五”[N];人民政協(xié)報(bào);2000年

4 每文;健康果汁功效榜[N];保健時(shí)報(bào);2003年

5 海暄;六項(xiàng)禁令成為海關(guān)企業(yè)的雙重盾牌[N];國際商報(bào);2004年

6 徐華;勿以利小而不為[N];中國鄉(xiāng)鎮(zhèn)企業(yè)報(bào);2004年

7 新華社記者 高淑華 崔峰;一個(gè)上崗嫂的“黃金周”[N];新華每日電訊;2003年

8 晨明;范寶俊　一顆慈善的心[N];中華工商時(shí)報(bào);2004年

9 袁軒;灑向草河全是愛[N];宜春日報(bào);2006年

10 劉漢清　 宋長征;長沙收獲遍地“黃金”[N];中國旅游報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 孫登第;基于隨機(jī)點(diǎn)積圖理論的模式識(shí)別方法研究[D];安徽大學(xué);2012年

2 呂蓬;旋轉(zhuǎn)機(jī)械故障模式識(shí)別方法研究[D];華北電力大學(xué)（北京）;2010年

3 謝洪平;三維數(shù)據(jù)分析與模式識(shí)別方法及其在藥學(xué)研究中的應(yīng)用[D];湖南大學(xué);2002年

4 陸文聰;三元金屬間化合物形成規(guī)律及若干二元系物性的計(jì)算機(jī)預(yù)報(bào)研究[D];中國科學(xué)院上海冶金研究所;2000年

5 陳燕清;化學(xué)計(jì)量學(xué)在食品分類鑒別及防腐劑含量分析中的應(yīng)用[D];南昌大學(xué);2010年

6 楊威;基于模式識(shí)別方法的多光譜遙感圖像分類研究[D];東北師范大學(xué);2011年

7 許芬;保護(hù)私有信息的線性代數(shù)問題及擴(kuò)展模型的研究[D];北京郵電大學(xué);2011年

8 付海燕;化學(xué)模式識(shí)別和多維校正方法及其在復(fù)雜體系分析中的應(yīng)用研究[D];湖南大學(xué);2010年

9 朱友文;分布式環(huán)境下的隱私保護(hù)技術(shù)及其應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2012年

10 許高峰;全封閉組合電器局部放電信號(hào)內(nèi)置傳感檢測和分形特征提取的研究[D];重慶大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 馮春輝;基于腦電節(jié)律的模式識(shí)別方法研究[D];燕山大學(xué);2011年

2 侯書明;基于模式識(shí)別方法的葡萄酒質(zhì)量預(yù)測研究[D];上海交通大學(xué);2012年

3 鄭鑫;基于表面肌電信號(hào)的手臂運(yùn)動(dòng)模式識(shí)別方法研究[D];吉林大學(xué);2012年

4 郭宙;流動(dòng)軸承故障模式識(shí)別方法研究[D];北京化工大學(xué);2011年

5 張寧仙;基于模式識(shí)別方法的果蠅振翅聲分類研究[D];陜西師范大學(xué);2011年

6 古繼成;基于模式識(shí)別方法的天氣雷達(dá)數(shù)字產(chǎn)品的監(jiān)控與分析[D];南京理工大學(xué);2012年

7 李博金;農(nóng)村生態(tài)型社區(qū)建設(shè)模式研究[D];清華大學(xué);2008年

8 韋秋華;基于局部結(jié)構(gòu)特征空間拓?fù)潢P(guān)系建模的模式識(shí)別方法研究[D];哈爾濱工業(yè)大學(xué);2011年

9 劉美潔;腦磁共振成像數(shù)據(jù)的多類模式分析[D];國防科學(xué)技術(shù)大學(xué);2011年

10 白永強(qiáng);面向多媒體的粗粒度可重構(gòu)處理單元的結(jié)構(gòu)研究[D];西北工業(yè)大學(xué);2006年

，

本文編號(hào)：1832768