面向多模態(tài)數(shù)據(jù)的魯棒非平行平面分類器研究
發(fā)布時間:2021-10-11 03:08
支持向量機(SVM)作為模式識別和數(shù)據(jù)挖掘領(lǐng)域非常流行的分類方法之一,其理論自上世紀60年代誕生,并在最近的數(shù)十年來得到了快速的發(fā)展和廣泛的應用;赟VM的改進方法廣義特征值最接近支持向量機(GEPSVM)在提升算法泛化性能的同時,也降低了計算成本。隨著信息技術(shù)的迅猛發(fā)展,多模態(tài)數(shù)據(jù)的普及催生了多視圖學習(MVL)的產(chǎn)生與發(fā)展。相比于傳統(tǒng)的單視圖方法,多視圖學習能夠利用不同視圖特征的一致和互補信息從而提升學習器的學習性能。多視圖廣義特征值最接近支持向量機(MvGSVM),巧妙地將多視圖學習與GEPSVM融合起來,利用多視圖共正則項尋找不同視圖間的一致性。然而,包括MvGSVM在內(nèi)的大多數(shù)多視圖分類方法,目標模型的優(yōu)化都是基于平方L2范數(shù)距離度量,很容易受到離群點的負面影響。為了解決當前多視圖分類學習魯棒性不足的問題,本文提出了三種基于SVM的魯棒多視圖分類算法,主要研究內(nèi)容如下:1.鑒于MvGSVM的良好分類表現(xiàn),本文提出了一種的新的多視圖分類方法——魯棒多視圖廣義特征值最接近支持向量機(Lp,s-MvGEPSVM)。不同于MvGSVM,該方法利用Lp和Ls范數(shù)分別對超平面到正類樣本...
【文章來源】:南京林業(yè)大學江蘇省
【文章頁數(shù)】:70 頁
【學位級別】:碩士
【部分圖文】:
多模態(tài)數(shù)據(jù)集示例
22本文選取的手寫體數(shù)據(jù)集(HandwrittenDigits)是從荷蘭的一組實用地圖中提取的數(shù)字二進制特征集,從數(shù)字“0”到“9”總共10類,每類包括200個樣本,原始樣本有六種不同視圖特征集合。本文選取其中的兩個視圖,分別為原始數(shù)據(jù)的傅里葉系數(shù)(76維)和KL系數(shù)(64維)。在CUHK人臉數(shù)據(jù)庫(CUFS)中,每一張人臉都有照片與素描兩種表示方式,如圖3-1所示。在該數(shù)據(jù)庫中,本文選取188張人臉圖像,以男女性別作為正負類別劃分,分別以照片和素描作為不同的視圖。圖3-1CUHK人臉數(shù)據(jù)集圖像示例Fig.3-1TheexampleofCUHKfacedatasetAR人臉數(shù)據(jù)庫包含50位男性和50位女性總計2600張人臉圖像,每人26張不同角度、遮擋或光照的圖片(如圖3-2-a所示);诖,實驗利用男女性別為正負類標記,用原始灰度圖像作為第一個視圖,利用LBP提取紋理特征作為第二個視圖(如圖3-2-b所示)。(a)原始圖像(b)LBP紋理圖像圖3-2AR人臉數(shù)據(jù)集圖像示例Fig.3-2TheexampleofARfacedataset
本文編號:3429667
【文章來源】:南京林業(yè)大學江蘇省
【文章頁數(shù)】:70 頁
【學位級別】:碩士
【部分圖文】:
多模態(tài)數(shù)據(jù)集示例
22本文選取的手寫體數(shù)據(jù)集(HandwrittenDigits)是從荷蘭的一組實用地圖中提取的數(shù)字二進制特征集,從數(shù)字“0”到“9”總共10類,每類包括200個樣本,原始樣本有六種不同視圖特征集合。本文選取其中的兩個視圖,分別為原始數(shù)據(jù)的傅里葉系數(shù)(76維)和KL系數(shù)(64維)。在CUHK人臉數(shù)據(jù)庫(CUFS)中,每一張人臉都有照片與素描兩種表示方式,如圖3-1所示。在該數(shù)據(jù)庫中,本文選取188張人臉圖像,以男女性別作為正負類別劃分,分別以照片和素描作為不同的視圖。圖3-1CUHK人臉數(shù)據(jù)集圖像示例Fig.3-1TheexampleofCUHKfacedatasetAR人臉數(shù)據(jù)庫包含50位男性和50位女性總計2600張人臉圖像,每人26張不同角度、遮擋或光照的圖片(如圖3-2-a所示);诖,實驗利用男女性別為正負類標記,用原始灰度圖像作為第一個視圖,利用LBP提取紋理特征作為第二個視圖(如圖3-2-b所示)。(a)原始圖像(b)LBP紋理圖像圖3-2AR人臉數(shù)據(jù)集圖像示例Fig.3-2TheexampleofARfacedataset
本文編號:3429667
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/3429667.html
最近更新
教材專著