本文關(guān)鍵詞：基于秩限制的聯(lián)合字典學(xué)習(xí)，由筆耕文化傳播整理發(fā)布。

【摘要】：稀疏編碼和低秩學(xué)習(xí)是當(dāng)前機器學(xué)習(xí)與信號處理領(lǐng)域的前沿課題之一。由于稀疏編碼型是本身符合人眼對外來信息的處理,使之在圖像分類、圖像去噪、圖像壓縮、信號傳輸?shù)确较虻玫搅丝涨暗陌l(fā)展。稀疏編碼的本質(zhì)是在一個過完備基(也叫做字典)中找到最稀疏的圖像表示,從而減少了對圖像數(shù)據(jù)的存儲,同時增強了圖像的可解釋性。低秩學(xué)習(xí)主要通過去除隨機增幅任意大但是分布稀疏的噪聲來獲得原始的具有低秩結(jié)構(gòu)的樣本。本文首先介紹了國內(nèi)外關(guān)于稀疏編碼和低秩學(xué)習(xí)的相關(guān)技術(shù)和取得的成果,針對在圖像分類和人臉識別算法中的基礎(chǔ)環(huán)節(jié),確定了低秩學(xué)習(xí)和稀疏編碼的研究方向和選題。Bags of Words算法把圖片表示成單詞直方圖的形式,不關(guān)心在當(dāng)前的字典直方圖中能夠盡量精確地重建原始樣本,同時忽略了樣本點的位置信息和類標(biāo)信息。許多研究工作已經(jīng)表明,通過學(xué)習(xí)算法得到的字典通常比固定的預(yù)設(shè)字典有更好的重建和判別性能。本論文將哲學(xué)中的特殊性和普遍性引入到了字典學(xué)習(xí)方法中。通過設(shè)計全新的字典結(jié)構(gòu)包括每個類的特殊性子字典和所有類共有的普遍性子字典,使得字典具有更好的重構(gòu)誤差表示。我們通過設(shè)置了秩的限制來得到最終的樣本的低維度空間結(jié)構(gòu)。同時為了得到正確的所有類共有的普遍性子字典空間,我們加入了最大化所有類共有的普遍性子字典空間秩的函數(shù)。通過對目標(biāo)函數(shù)的等價替換,我們得到了最終的基于秩限制的聯(lián)合字典學(xué)習(xí)算法。雖然我們提出的目標(biāo)函數(shù)并不是一個凸優(yōu)化問題,我們可以將它變成兩個凸優(yōu)化子問題。通過分別優(yōu)化,得到我們提出算法的視覺字典。最后,為了產(chǎn)生更好的分類效果,我們重新設(shè)計了分類算法。最終的實驗結(jié)果顯示,我們的方法確實產(chǎn)生了更好的分類效果。
【關(guān)鍵詞】：稀疏編碼 低秩學(xué)習(xí) 字典學(xué)習(xí) 普遍性 特殊性
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP181
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-14
• 1.1 研究的背景與意義9-10
• 1.2 研究現(xiàn)狀10-12
• 1.3 論文的研究內(nèi)容12-13
• 1.4 論文的組織安排13-14
• 第2章 局部特征的圖像分類算法概述14-32
• 2.1 局部特征提取算法14-20
• 2.1.1 SIFT特征14-19
• 2.1.2 HOG特征19-20
• 2.2 Bags of Words算法20-22
• 2.3 稀疏編碼22-24
• 2.4 字典學(xué)習(xí)24-28
• 2.4.1 ScSPM算法25-26
• 2.4.2 SRC算法26-28
• 2.5 低秩學(xué)習(xí)28-30
• 2.6 本章小結(jié)30-32
• 第3章 基于秩限制的聯(lián)合字典學(xué)習(xí)32-41
• 3.1 普遍性和特殊性32-34
• 3.2 聯(lián)合字典學(xué)習(xí)34-36
• 3.3 基于秩限制的聯(lián)合字典學(xué)習(xí)36-40
• 3.4 本章小結(jié)40-41
• 第4章 秩限制的聯(lián)合字典學(xué)習(xí)的優(yōu)化41-47
• 4.1 固定化稀疏系數(shù)來更新可視化字典41-43
• 4.1.1 固定普通子字典更新特殊子字典41-42
• 4.1.2 固定特殊子字典更新普通子字典42-43
• 4.2 固定化可視化字典更新稀疏系數(shù)43-44
• 4.3 奇異值閾值算法44-45
• 4.4 迭代衰減閾值算法45-46
• 4.5 本章小結(jié)46-47
• 第5章 圖像分類策略及實驗結(jié)果47-53
• 5.1 圖像分類策略47-48
• 5.2 實驗結(jié)果與分析48-52
• 5.2.1 USPS手寫數(shù)字?jǐn)?shù)據(jù)集49-50
• 5.2.2 AR人臉數(shù)據(jù)集50-52
• 5.3 本章小結(jié)52-53
• 第6章 總結(jié)與展望53-55
• 6.1 總結(jié)53-54
• 6.2 不足與展望54-55
• 參考文獻55-58
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單58-59
• 致謝59

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 晁永國;戴芳;韓舒然;何靜;;改進的非負稀疏編碼圖像基學(xué)習(xí)算法[J];計算機工程與科學(xué);2010年01期

2 謝堯芳;蘇松志;李紹滋;;基于稀疏編碼的遷移學(xué)習(xí)及其在行人檢測中的應(yīng)用[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2010年02期

3 郎利影;夏飛佳;;人臉識別中的零范數(shù)稀疏編碼[J];應(yīng)用科學(xué)學(xué)報;2012年03期

4 程東陽;蔣興浩;孫錟鋒;;基于稀疏編碼和多核學(xué)習(xí)的圖像分類算法[J];上海交通大學(xué)學(xué)報;2012年11期

5 鄒柏賢;苗軍;;自然圖像稀疏編碼模型研究綜述[J];鄭州大學(xué)學(xué)報(工學(xué)版);2013年03期

6 劉偉鋒;劉紅麗;王延江;;基于多分離部件稀疏編碼的人臉圖像分析[J];模式識別與人工智能;2013年11期

7 張抒;蔡勇;解梅;;基于局部區(qū)域稀疏編碼的人臉檢測[J];軟件學(xué)報;2013年11期

8 單桂軍;廖建鋒;;最大似然稀疏編碼在人臉識別中的研究[J];電視技術(shù);2013年23期

9 王瑞霞;彭國華;鄭紅嬋;;拉普拉斯稀疏編碼的圖像檢索算法[J];計算機科學(xué);2014年08期

10 錢樂樂;高雋;謝昭;;一種融合神經(jīng)稀疏編碼機制的層次目標(biāo)識別算法[J];中國圖象圖形學(xué)報;2010年10期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負稀疏編碼收縮技術(shù)實現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 劉揚;程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 張瑩瑩;梁培基;;視網(wǎng)膜神經(jīng)元的高效信息處理[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 唐海峰;基于信號稀疏表征的故障診斷方法研究[D];上海交通大學(xué);2014年

2 孫宇平;基于稀疏表征和自相似性的視覺數(shù)據(jù)識別關(guān)鍵技術(shù)及應(yīng)用[D];華南理工大學(xué);2015年

3 李清勇;視覺感知的稀疏編碼理論及其應(yīng)用研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2006年

4 季昊;稀疏編碼研究及其在模式識別中的應(yīng)用[D];北京郵電大學(xué);2012年

5 孫俊;人臉圖像分析和識別方法研究[D];清華大學(xué);2001年

6 朱秋平;基于稀疏編碼的織物瑕疵檢測算法研究[D];武漢大學(xué);2014年

7 羅敏楠;T-S模糊推理系統(tǒng)的結(jié)構(gòu)稀疏編碼辨識理論與方法[D];清華大學(xué);2014年

8 謝錦生;基于動態(tài)感知與異常注意的目標(biāo)描述方法研究[D];中國科學(xué)技術(shù)大學(xué);2012年

9 劉小白;圖像及視頻語義解析的關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

10 丁昕苗;基于多示例學(xué)習(xí)的恐怖視頻識別技術(shù)研究[D];中國礦業(yè)大學(xué)（北京）;2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 柏文強;基于局部特征提取和稀疏編碼的人臉識別算法研究[D];燕山大學(xué);2015年

2 李明;目標(biāo)檢測與識別算法研究與應(yīng)用[D];中央民族大學(xué);2015年

3 許濤;面向視頻管理的指紋特征提取技術(shù)研究[D];電子科技大學(xué);2015年

4 鮑珍珍;基于多路分層稀疏編碼的遙感圖像場景分類[D];西安電子科技大學(xué);2014年

5 覃曉冰;基于稀疏編碼的語音去噪技術(shù)研究[D];電子科技大學(xué);2015年

6 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗證中的應(yīng)用研究[D];電子科技大學(xué);2015年

7 勾珍珍;基于空間約束和稀疏編碼的高光譜圖像分類[D];西安電子科技大學(xué);2014年

8 黃成;基于非負稀疏編碼的視頻拷貝檢測方法研究[D];湘潭大學(xué);2015年

9 張文義;基于智能監(jiān)控系統(tǒng)的圖像質(zhì)量增強算法的研究[D];南京郵電大學(xué);2015年

10 丁文秀;基于分層深度學(xué)習(xí)的行人分類方法研究[D];合肥工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：基于秩限制的聯(lián)合字典學(xué)習(xí)，由筆耕文化傳播整理發(fā)布。

，

本文編號：328538