分類問題在人們的日常生活、社會活動、科研生產以及學習、工作中是很常見的。在很多領域中,比如醫(yī)學的臨床診斷、工業(yè)生產的機器狀態(tài)判斷、語音的智能識別等等方面,分類問題都成為了最主要也最難于解決的問題。隨著近年來對機器學習的技術不斷地研究,數(shù)據(jù)采集技術得到了飛快的發(fā)展,分類場景也多種多樣。然而隨著數(shù)據(jù)采集技術飛速的發(fā)展,解決分類問題的方法與技術也有很多,其中編碼技術是一種有效的技術手段。本文主要基于編碼學習的方法,分別從特征和標簽兩個角度對分類問題進行了研究,主要工作如下:（1）從特征角度,針對多視圖不完整數(shù)據(jù)的回收利用問題,通過結合其特征空間的內在結構與數(shù)據(jù)的標簽信息,對所有的數(shù)據(jù)學習統(tǒng)一的低維編碼。所學的低維編碼實現(xiàn)了對歷史數(shù)據(jù)的回收利用,包含了較強的判別信息,能夠完成對待預測數(shù)據(jù)的分類。此外,針對問題的求解,還提出了優(yōu)化算法并通過理論證明其收斂性,最后通過實驗驗證了算法的有效性并應用到人臉識別場景中。（2）從標簽角度,針對多標簽分類時基分類器之間差異性不大的問題,通過把原多標簽問題轉化為多個子問題,并組合對應的糾錯編碼,增強了編碼的糾錯能力。該模型通過劃分不同的訓練數(shù)據(jù)池使得基分類器之... 

【文章來源】：國防科技大學湖南省 211工程院校 985工程院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 對特征編碼的研究現(xiàn)狀
        1.2.2 對標簽編碼的研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文結構
第二章 相關基礎知識
    2.1 非負矩陣分解
    2.2 相似性度量
    2.3 糾錯輸出編碼
        2.3.1 常見的編碼方式
        2.3.2 基分類器差異性
    2.4 分類評價指標
第三章 面向特征的低維編碼學習
    3.1 面向特征的低維編碼學習算法
        3.1.1 目標函數(shù)
        3.1.2 算法求解
    3.2 算法分析
        3.2.1 收斂性分析
        3.2.2 參數(shù)分析
    3.3 實驗與討論
        3.3.1 數(shù)據(jù)集介紹
        3.3.2 NHF算法與其他算法的對比實驗
        3.3.3 參數(shù)確定實驗
        3.3.4 收斂性實驗
        3.3.5 人臉識別的應用
    3.4 本章小結
第四章 面向標簽的組合糾錯編碼學習
    4.1 面向標簽的組合糾錯編碼學習算法
        4.1.1 CECOC模型
    4.2 算法分析
        4.2.1 基分類器差異性的分析
        4.2.2 計算復雜度
        4.2.3 參數(shù)選擇
    4.3 實驗與討論
        4.3.1 數(shù)據(jù)集介紹
        4.3.2 CECOC與其他方算法對比
        4.3.3 參數(shù)確定實驗
        4.3.4 網(wǎng)頁分類的應用
    4.4 本章小結
第五章 總結與展望
    5.1 總結
    5.2 展望
致謝
參考文獻
作者在學期間取得的學術成果


【參考文獻】：
期刊論文
[1]現(xiàn)代圖像壓縮編碼技術[J]. 陶長武,蔡自興.  信息技術. 2007(12)
[2]蛋白質組研究技術及其進展[J]. 俞利榮,曾嶸,夏其昌.  生命的化學. 1998(06)



本文編號：3256175