【摘要】：稀疏表示是一種基于過完備字典的稀疏編碼技術.在當前大數(shù)據(jù)時代下,高維數(shù)據(jù)的稀疏表示因為具有良好的數(shù)學基礎,并且不需要學習與訓練,得到了蓬勃的發(fā)展,成為圖像處理與計算機視覺等領域的研究熱點之一.由Wright等人提出的基于稀疏表示的分類(Sparse Representation Based Classification,SRC)是典型的基于正投影的稀疏表示分類模型,被用于人臉識別并取得了良好的效果.之后,SRC受到廣泛關注并應用于其他領域中,并且在SRC的基礎上,出現(xiàn)了很多改進的稀疏表示分類模型.隨著稀疏表示理論的不斷發(fā)展,稀疏表示分類模型廣泛應用于很多領域,在實際應用中也有很多不同的稀疏表示分類模型可以選擇,而如何評價各種稀疏表示分類模型,目前還沒有綜合測量的完整量化指標系統(tǒng),在數(shù)學中,我們重視的是模型的建立、算法的設計,而在實際應用中無法明白如何選擇合適的分類模型,所以構建量化指標體系是很有必要的.基于此,本學位論文對稀疏表示分類模型從投影方式的角度進行分類,并基于現(xiàn)有稀疏表示分類模型,提出了一種基于反投影的協(xié)同空間稀疏表示分類模型,進而構建了一套從特征表示學習到分類的量化指標體系,并用于人臉識別和腫瘤識別領域.主要工作概括如下:(1)對稀疏表示分類模型從投影方式的角度進行分類.具體的,將稀疏表示分類模型按照投影方式分為基于正投影的稀疏表示分類模型和基于反投影的稀疏表示分類模型,依照表示空間、先驗信息、分類準則的不同分別介紹其特點,并且介紹幾種經(jīng)典的稀疏表示分類模型.(2)提出了一種基于反投影的協(xié)同空間稀疏表示分類模型.考慮充分利用未標記樣本所蘊含的信息的基礎上,加入同類訓練樣本作為協(xié)同表示,并構建了一種基于反投影的協(xié)同空間稀疏表示模型.采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)完成模型的優(yōu)化求解,并進行了收斂性分析.最后,在國際公開的一個兩類數(shù)據(jù)庫和一個多類數(shù)據(jù)庫上驗證了模型的有效性.(3)對稀疏表示分類模型的衡量和選擇構建了一套量化指標體系.稀疏表示分類主要分兩個主要階段:表示階段和分類階段,從這兩個方面入手,定義了一個比較完整的量化指標體系來全面地衡量稀疏表示分類的性能,將稀疏表示分類的性能量化,為如何選擇合適的稀疏表示分類提供了一個客觀的參考依據(jù),使在實際應用中可以直觀地根據(jù)需求進行選擇.(4)將稀疏表示分類模型和量化指標體系用于人臉識別和腫瘤識別上.在六個國際公開的數(shù)據(jù)庫上進行實驗,既驗證了稀疏表示分類模型的性能,又展示了量化指標體系對稀疏表示分類模型的性能進行衡量和選擇的可行性和有效性.
【圖文】：

正則子逼近

含在測試樣本中的信息, 構建了基于反投影的稀疏表示分配的分類準則——類別貢獻率. 本章介紹反投影稀疏表示分影稀疏表示空間, 給出反投影和反投影表示空間的定義.影和反投影表示空間) 假設x為一個已知標簽的訓練樣本, 間, 則稱將這個訓練樣本投影到該表示空間的投影方式為影表示空間.類似, 這里的反投影強調(diào)對已知標簽的訓練樣本 x的表示特別的限制, 也就是說這里的表示空間 ( x )可以根據(jù)實際比兩種投影方式的不同, 圖 3-1(a) 和(b)分別展示了正投影可以直觀看出兩種投影方式的不同.
【學位授予單位】：河南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;O157.4

【參考文獻】

相關期刊論文 前3條

1 楊華;駱嘉偉;;基于BW ratio與二進制量子粒子群的基因選擇方法[J];微計算機信息;2011年01期

2 蓋懷存;張小鋒;江澤濤;;基于量子神經(jīng)網(wǎng)絡的人臉識別技術研究[J];計算機工程與應用;2010年08期

3 馬怡然;張鳳玲;;基于DCT和BP神經(jīng)網(wǎng)絡集成的人臉識別[J];天津理工大學學報;2007年03期

，

本文編號：2661247