本文關(guān)鍵詞：基于非負(fù)矩陣分解的圖像分類(lèi)算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：圖像底層視覺(jué)特征與高層語(yǔ)義之間存在的“語(yǔ)義鴻溝”,成為影響圖像內(nèi)容語(yǔ)義理解的瓶頸。為了縮小語(yǔ)義鴻溝,提高圖像內(nèi)容的利用效率,核心問(wèn)題是如何有效地表示圖像的視覺(jué)特征,因?yàn)閳D像的特征表示直接影響到分類(lèi)器的設(shè)計(jì)及圖像的分類(lèi)結(jié)果。同時(shí),由于圖像視覺(jué)特征的維數(shù)往往較高,會(huì)對(duì)圖像分類(lèi)的識(shí)別率和運(yùn)行時(shí)間產(chǎn)生很大的影響。因此,針對(duì)圖像視覺(jué)特征進(jìn)行有效降維,成為模式識(shí)別、計(jì)算機(jī)視覺(jué)和圖像處理等領(lǐng)域中研究熱點(diǎn)之一。矩陣分解技術(shù)作為數(shù)據(jù)表示的一種重要方法,近年來(lái)獲得了廣泛關(guān)注和深入研究。與已有的矩陣分解方法有主成分分析算法、線性判別分析算法、獨(dú)立分量分析算法、奇異值分解算法等不同,非負(fù)矩陣分解算法(NMF)在求解時(shí)要求待分解對(duì)象及結(jié)果矩陣中的元素均為非負(fù)值。NMF的這種約束符合心理學(xué)和生理學(xué)的觀點(diǎn),即人對(duì)整體的感知是由組成部分的感知構(gòu)成。NMF的基本思想是將一個(gè)所有元素均為非負(fù)的矩陣分解為左右兩個(gè)非負(fù)矩陣的乘積。其中一個(gè)矩陣稱(chēng)作基矩陣,另一個(gè)矩陣稱(chēng)作系數(shù)矩陣。在NMF框架中,所分解矩陣中的列向量可以解釋為對(duì)基矩陣中所有列向量的加權(quán)之和。為了提高NMF算法的有效性,不少學(xué)者在基本的NMF框架下引入各種約束,如稀疏性、正交性、判別性、流形等,發(fā)展了若干種改進(jìn)算法,并被應(yīng)用到諸如人臉檢測(cè)與識(shí)別、數(shù)字水印、基因及細(xì)胞分析、樂(lè)器識(shí)別、聲源分類(lèi)、文本分析與聚類(lèi)、盲信號(hào)分析等,取得了良好的效果。本文基于NMF框架,主要研究如何通過(guò)施加約束增強(qiáng)NMF性能,及在線學(xué)習(xí)增強(qiáng)非負(fù)矩陣分解NMF的性能,并將其應(yīng)用于圖像分類(lèi)問(wèn)題當(dāng)中。文中提出了三種非負(fù)矩陣分解的改進(jìn)方法:(1)基于圖正則化和稀疏約束的半監(jiān)督非負(fù)矩陣分解算法;(2)基于稀疏約束的增量型非負(fù)矩陣分解;(3)基于圖正則化和稀疏約束的增量型非負(fù)矩陣分解。在完成圖像降維和特征提取后,選取支持向量機(jī)(SVM)用于圖像分類(lèi)處理。在幾個(gè)常用的數(shù)據(jù)庫(kù)上進(jìn)行了驗(yàn)證實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文的算法穩(wěn)定性好且分類(lèi)準(zhǔn)確率高。
【關(guān)鍵詞】：非負(fù)矩陣分解 圖正則化 增量型 圖像分類(lèi) 支持向量機(jī)
【學(xué)位授予單位】：遼寧工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;TP18
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-14
• 1.1 研究背景及意義8-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 非負(fù)矩陣分解10-11
• 1.2.2 圖像分類(lèi)11-13
• 1.3 論文的研究?jī)?nèi)容與章節(jié)安排13-14
• 2 非負(fù)矩陣分解基本理論14-27
• 2.1 非負(fù)矩陣分解簡(jiǎn)介14-15
• 2.2 非負(fù)矩陣分解的目標(biāo)函數(shù)15-16
• 2.3 迭代規(guī)則以及算法的收斂性16-20
• 2.3.1 迭代規(guī)則16-17
• 2.3.2 收斂性證明17-20
• 2.4 非負(fù)矩陣分解的改進(jìn)算法20-24
• 2.4.1 半監(jiān)督非負(fù)矩陣分解算法21
• 2.4.2 圖正則非負(fù)矩陣分解算法21-22
• 2.4.3 增量型非負(fù)矩陣分解算法22-23
• 2.4.4 半非負(fù)矩陣分解算法23-24
• 2.5 非負(fù)矩陣分解的應(yīng)用24-26
• 2.6 本章小結(jié)26-27
• 3 基于圖正則化和稀疏約束的半監(jiān)督非負(fù)矩陣分解27-38
• 3.1 基于圖正則化和稀疏約束的半監(jiān)督非負(fù)矩陣分解算法27-28
• 3.2 GCNMFS算法收斂性證明28-30
• 3.3 實(shí)驗(yàn)結(jié)果與分析30-37
• 3.3.1 數(shù)據(jù)集30-31
• 3.3.2 評(píng)價(jià)指標(biāo)31-32
• 3.3.3 實(shí)驗(yàn)結(jié)果32-36
• 3.3.4 基圖像的稀疏度36-37
• 3.4 本章小結(jié)37-38
• 4 基于稀疏約束的增量型非負(fù)矩陣分解38-49
• 4.1 基于稀疏約束的增量型非負(fù)矩陣分解算法38-42
• 4.1.1 基于3/2l稀疏約束的INMF算法38-40
• 4.1.2 基于2l稀疏約束的INMF算法40-41
• 4.1.3 基于1l稀疏約束的INMF算法41-42
• 4.2 基于INMFSC算法的圖像分類(lèi)42-43
• 4.3 實(shí)驗(yàn)結(jié)果與分析43-48
• 4.3.1 數(shù)據(jù)集43-44
• 4.3.2 實(shí)驗(yàn)結(jié)果44-47
• 4.3.3 稀疏度度量47-48
• 4.4 本章小結(jié)48-49
• 5 基于圖正則化和稀疏約束的增量型非負(fù)矩陣分解49-59
• 5.1 基于圖正則化和稀疏約束的增量型非負(fù)矩陣分解算法49-51
• 5.1.1 目標(biāo)函數(shù)49
• 5.1.2 迭代規(guī)則49-51
• 5.2 圖像表示和分類(lèi)實(shí)驗(yàn)51-58
• 5.2.1 數(shù)據(jù)集51-52
• 5.2.2 實(shí)驗(yàn)結(jié)果52-57
• 5.2.3 稀疏度度量57-58
• 5.3 本章小結(jié)58-59
• 6 總結(jié)與展望59-60
• 6.1 論文總結(jié)59
• 6.2 研究展望59-60
• 參考文獻(xiàn)60-62
• 攻讀碩士期間發(fā)表學(xué)術(shù)論文情況62-63
• 致謝63

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 何光輝;張?zhí)?;保持拓?fù)湫苑秦?fù)矩陣分解法在人臉識(shí)別的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2010年14期

2 史加榮;焦李成;尚凡華;;不完全非負(fù)矩陣分解的加速算法[J];電子學(xué)報(bào);2011年02期

3 王文俊;張軍英;;一種非負(fù)矩陣分解的快速方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年25期

4 張雷鳴;李秋丹;廖勝才;;非負(fù)矩陣分解在標(biāo)簽語(yǔ)義分析中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2010年04期

5 于彬;;基于局部非負(fù)矩陣分解的人臉識(shí)別[J];科學(xué)技術(shù)與工程;2010年33期

6 姜偉;楊炳儒;隋海峰;;局部敏感非負(fù)矩陣分解[J];計(jì)算機(jī)科學(xué);2010年12期

7 宋金歌;楊景;陳平;佘玉梅;;一種非負(fù)矩陣分解的快速稀疏算法[J];云南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

8 高燕燕;;非負(fù)矩陣分解及其應(yīng)用探討[J];硅谷;2011年23期

9 郝紅;徐常青;張新平;;基于非負(fù)矩陣分解的航拍圖像信息提取[J];浙江農(nóng)林大學(xué)學(xué)報(bào);2012年01期

10 吳榮玉;樊豐;舒建;;基于非負(fù)矩陣分解的魯棒哈希函數(shù)驗(yàn)證性研究[J];電子技術(shù)應(yīng)用;2012年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 孫江明;李通化;;非平滑三維非負(fù)矩陣分解[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

2 蔣永鍇;葉東毅;;基于稀疏非負(fù)矩陣分解的自動(dòng)多文摘方法[A];中國(guó)計(jì)算機(jī)語(yǔ)言學(xué)研究前沿進(jìn)展（2007-2009）[C];2009年

3 馬帥;吳飛;楊易;邵健;;基于稀疏非負(fù)矩陣分解的圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2011)論文集【oral】[C];2011年

4 徐利民;龔珊;余再軍;;奇異值分解與非負(fù)矩陣分解色在數(shù)據(jù)降維方面的特性分析[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

5 蔡蕾;朱永生;;基于稀疏性非負(fù)矩陣分解和支持向量機(jī)的軸心軌跡圖識(shí)別[A];2008年全國(guó)振動(dòng)工程及應(yīng)用學(xué)術(shù)會(huì)議暨第十一屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2008年

6 蔣霈霖;;KL散度下的非負(fù)矩陣分解[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六�。▍^(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 楊寶;朱啟兵;黃敏;;基于非負(fù)矩陣分解一稀疏表示分類(lèi)的玻璃缺陷圖像識(shí)別[A];第24屆中國(guó)控制與決策會(huì)議論文集[C];2012年

8 錢(qián)樂(lè)樂(lè);高雋;徐小紅;;非負(fù)性約束的圖像稀疏編碼[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

9 朱昊;黃源水;付夢(mèng)印;;基于NMF的道路識(shí)別算法在野外環(huán)境感知中的應(yīng)用[A];第九屆全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

10 鄭能恒;蔡毅;李霞;Tan Lee;;基于非負(fù)矩陣分解和向量相似測(cè)度的語(yǔ)音與音樂(lè)分離算法[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 楊士準(zhǔn);基于樣本和特征的遷移學(xué)習(xí)方法及應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

2 葉軍;基于正則化方法的非負(fù)矩陣分解算法及其應(yīng)用研究[D];南京理工大學(xué);2014年

3 胡俐蕊;非負(fù)矩陣分解方法及其在選票圖像識(shí)別中的應(yīng)用[D];安徽大學(xué);2013年

4 殷海青;圖像分析中的非負(fù)矩陣分解理論及其最優(yōu)化和正則化方法研究[D];西安電子科技大學(xué);2011年

5 楊洪禮;非負(fù)矩陣與張量分解及其應(yīng)用[D];山東科技大學(xué);2011年

6 史加榮;多尺度張量逼近及應(yīng)用[D];西安電子科技大學(xué);2012年

7 方蔚濤;人臉識(shí)別特征抽取算法的研究[D];重慶大學(xué);2012年

8 劉昱昊;基于非負(fù)矩陣分解算法的人臉識(shí)別技術(shù)的研究[D];吉林大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 謝昊;非負(fù)矩陣分解初始化及其應(yīng)用[D];暨南大學(xué);2015年

2 王一;凸與半非負(fù)矩陣分解的近點(diǎn)梯度方法研究[D];東北師范大學(xué);2015年

3 項(xiàng)磊;基于乳腺癌計(jì)算機(jī)輔助診斷的病理圖像分析[D];南京信息工程大學(xué);2015年

4 王丹;基于非負(fù)矩陣分解的腦電信號(hào)特征提取算法研究[D];燕山大學(xué);2015年

5 馬春霞;非負(fù)矩陣分解及在基因表達(dá)數(shù)據(jù)分析中的應(yīng)用研究[D];曲阜師范大學(xué);2015年

6 崔艷榮;基于非負(fù)矩陣分解的高光譜遙感數(shù)據(jù)融合方法分析及應(yīng)用[D];電子科技大學(xué);2014年

7 賴(lài)淑珍;非負(fù)矩陣分解若干算法研究與應(yīng)用[D];電子科技大學(xué);2014年

8 趙龍;基于多流形正則化非負(fù)矩陣分解的多視圖聚類(lèi)[D];大連理工大學(xué);2015年

9 黃震;基于多視角非負(fù)矩陣分解的同名區(qū)分算法研究[D];大連理工大學(xué);2015年

10 邵強(qiáng);改進(jìn)的非負(fù)矩陣分解算法及其在人臉識(shí)別中的應(yīng)用[D];河北工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：基于非負(fù)矩陣分解的圖像分類(lèi)算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：316105