本文關(guān)鍵詞：關(guān)于SVDD和OCSVM模式降噪算法的研究

  更多相關(guān)文章： 支撐向量數(shù)據(jù)描述 單類支撐向量機(jī) 改進(jìn)迭代算法 數(shù)據(jù)分布信息 模式降噪

【摘要】：核方法是模式識(shí)別中最重要的算法之一,近年來被廣泛地學(xué)習(xí)和使用。支撐向量數(shù)據(jù)描述(SVDD)和單類支撐向量機(jī)(OCSVM)是研究單分類問題的核方法,這兩種算法常用于模式降噪。然而,SVDD模式降噪算法在降噪時(shí)需要多次的迭代過程才能找到最終降噪后的樣本,而每一次降噪都會(huì)在循環(huán)體和矩陣的運(yùn)算方面耗費(fèi)一定的時(shí)間,當(dāng)數(shù)據(jù)量特別大時(shí)算法的時(shí)間效率是非常低的;再者,OCSVM缺少考慮數(shù)據(jù)的分布信息,構(gòu)建的分類超平面是不合理的,會(huì)對(duì)降噪效果產(chǎn)生一定的影響。因此,在本論文中對(duì)于這兩個(gè)方面的問題我們展開了研究,其主要內(nèi)容如下:(1)針對(duì)SVDD降噪算法需要多次迭代而耗費(fèi)時(shí)間這一問題,每一次迭代后的結(jié)果是樣本點(diǎn)不斷向分類邊界靠近,我們提出了一種改進(jìn)多次迭代過程的算法,將第一次降噪后的樣本和原始噪聲樣本相結(jié)合,利用數(shù)學(xué)方法和技巧推導(dǎo)出了最終降噪樣本的求解公式,并在模擬數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上對(duì)算法的可行性和時(shí)間效率進(jìn)行了分析和對(duì)比。不同于之前的SVDD模式降噪算法,改進(jìn)迭代后的算法在達(dá)到近似降噪效果的情況下,有效提高了算法的時(shí)間效率;(2)針對(duì)OCSVM算法缺少對(duì)數(shù)據(jù)分布信息的考慮而導(dǎo)致不合理超平面的建立這一問題,我們將在OCSVM中引入數(shù)據(jù)的分布信息。在高斯核的情況下,SVDD算法和OCSVM算法是等效的,我們提出了一種基于數(shù)據(jù)分布信息的OCSVM模式降噪算法。對(duì)比于SVDD模式降噪算法,改進(jìn)后的模式降噪算法充分考慮了樣本集在數(shù)據(jù)空間中的存在形式,從而在高維特征空間中找到的分類超平面更為合理。數(shù)據(jù)分布信息對(duì)于尋找合理的超平面、提高算法的降噪效果是極其重要的,手寫字體上進(jìn)行對(duì)比實(shí)驗(yàn)后的結(jié)果也證明了這一點(diǎn)。最后通過實(shí)驗(yàn)證明了提出算法的有效性和可行性,并且得到了一個(gè)令人鼓舞的結(jié)果,為以后更好地研究模式降噪算法打下了基礎(chǔ)。
【關(guān)鍵詞】：支撐向量數(shù)據(jù)描述 單類支撐向量機(jī) 改進(jìn)迭代算法 數(shù)據(jù)分布信息 模式降噪
【學(xué)位授予單位】：西華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP18;TP391.4
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 前言8-13
• 1.1 研究的背景和意義8-9
• 1.2 國內(nèi)外研究的現(xiàn)狀9-11
• 1.2.1 核方法9-10
• 1.2.2 模式降噪算法研究現(xiàn)狀10-11
• 1.3 論文的研究工作11-12
• 1.4 論文組織結(jié)構(gòu)12-13
• 2 相關(guān)工作介紹13-18
• 2.1 支撐向量數(shù)據(jù)描述（SVDD）13-14
• 2.2 基于SVDD模式降噪算法14-16
• 2.3 單類支撐向量機(jī)（OCSVM）16-17
• 2.4 小結(jié)17-18
• 3 改進(jìn)SVDD模式降噪算法18-30
• 3.1 SVDD模式降噪算法存在的問題18-19
• 3.2 改進(jìn)SVDD模式降噪算法的迭代過程19-22
• 3.2.1 改進(jìn)迭代過程的算法思想19
• 3.2.2 改進(jìn)迭代算法的理論推導(dǎo)19-22
• 3.3 實(shí)驗(yàn)研究22-29
• 3.3.1 模擬數(shù)據(jù)集22-28
• 3.3.2 真實(shí)數(shù)據(jù)集28-29
• 3.4 小結(jié)29-30
• 4 基于數(shù)據(jù)分布信息的OCSVM模式降噪新方法30-45
• 4.1 傳統(tǒng)模式降噪算法存在的問題30-31
• 4.2 基于數(shù)據(jù)分布信息的單類支撐向量機(jī)31-33
• 4.2.1 算法簡(jiǎn)介31-32
• 4.2.2 對(duì)比實(shí)驗(yàn)32-33
• 4.3 基于數(shù)據(jù)分布信息的OCSVM模式降噪33-39
• 4.3.1 降噪算法的基本思想34
• 4.3.2 降噪算法的公式推導(dǎo)34-39
• 4.4 實(shí)驗(yàn)研究39-43
• 4.4.1 手寫字體數(shù)字圖像降噪39-42
• 4.4.2 不同參數(shù)下信噪比（SNR）分析42-43
• 4.5 小結(jié)43-45
• 5 總結(jié)及展望45-47
• 參考文獻(xiàn)47-50
• 附錄A 推論證明50-51
• 攻讀碩士學(xué)位期間發(fā)表論文及科研成果51-52
• 致謝52-54

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 鄭海波,陳心昭,李志遠(yuǎn);基于小波包變換的一種降噪算法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年04期

2 高志凌;劉yN;桂志國;;基于模糊數(shù)學(xué)的低劑量CT投影域降噪算法[J];測(cè)試技術(shù)學(xué)報(bào);2011年06期

3 黃艷林;李友榮;肖涵;呂勇;;基于相空間重構(gòu)與獨(dú)立分量分析的局部獨(dú)立投影降噪算法[J];振動(dòng)與沖擊;2011年01期

4 宋博;徐超;金偉其;劉效東;;基于時(shí)域和空域混合的低信噪比視頻降噪算法及其分析[J];紅外技術(shù);2011年08期

5 陳瀟紅;王維東;;基于時(shí)空聯(lián)合濾波的高清視頻降噪算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2013年05期

6 楊民;孟凡勇;梁麗紅;魏東波;;動(dòng)態(tài)射線數(shù)字圖像序列降噪算法及快速實(shí)現(xiàn)[J];兵工學(xué)報(bào);2011年11期

7 趙春燕;鄭永果;蘇蕊;;基于多幅圖像統(tǒng)計(jì)信息的降噪算法[J];系統(tǒng)仿真學(xué)報(bào);2006年S1期

8 宋坤坡;夏順仁;徐清;;考慮小波系數(shù)相關(guān)性的超聲圖像降噪算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2010年11期

9 葉慶偉;謝永昌;狄紅衛(wèi);;基于Non_local means的時(shí)空聯(lián)合視頻降噪算法[J];微型電腦應(yīng)用;2012年05期

10 王s，

本文編號(hào)：1000567