數(shù)據(jù)分類是數(shù)據(jù)挖掘、計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)等領(lǐng)域研究的重要內(nèi)容。其中,基于少量已知標(biāo)記獲得全部數(shù)據(jù)標(biāo)記的半監(jiān)督分類在機(jī)器學(xué)習(xí)領(lǐng)域又稱直推學(xué)習(xí),是目前監(jiān)督學(xué)習(xí)的基礎(chǔ)。近年來(lái)提出的基于圖的非局部算子的離散變分方法已成為數(shù)據(jù)多分類的有效建模方法,非局部Potts模型是該類方法的基礎(chǔ)。該類模型采用與分類數(shù)目相同的標(biāo)記函數(shù)劃分?jǐn)?shù)據(jù)類別,并引進(jìn)單純形約束以避免漏分和重分問(wèn)題,計(jì)算復(fù)雜、效率較低。本文針對(duì)上述問(wèn)題進(jìn)行了較系統(tǒng)的研究,主要?jiǎng)?chuàng)新工作如下:1.提出了改進(jìn)的無(wú)單純形約束的Potts模型。由于單純形約束的存在,各標(biāo)記函數(shù)不再獨(dú)立。本文借助計(jì)算機(jī)視覺(jué)研究中的近年成果,用較少的標(biāo)記函數(shù)設(shè)計(jì)了全部數(shù)據(jù)類型的特征函數(shù),自然滿足原單純形約束,降低了模型復(fù)雜度、減小了問(wèn)題求解規(guī)模、提高了計(jì)算效率。2.提出了改進(jìn)Potts模型的矢量化模型。數(shù)據(jù)多分類問(wèn)題的變分模型是典型的多變量?jī)?yōu)化問(wèn)題,交替優(yōu)化是其主要方法,但多變量交替優(yōu)化不利于區(qū)域競(jìng)爭(zhēng)。為此,本文基于多變量耦合的思想提出了改進(jìn)Potts模型的矢量化模型,實(shí)現(xiàn)了多變量的同時(shí)演化,進(jìn)一步提高了計(jì)算效率,并簡(jiǎn)化了程序設(shè)計(jì)。該方法亦方便并行算法的設(shè)計(jì)。3.設(shè)計(jì)了所... 

【文章來(lái)源】：青島大學(xué)山東省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題研究背景及其意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 無(wú)向加權(quán)圖相關(guān)理論基礎(chǔ)
        1.2.2 非局部的數(shù)據(jù)分類問(wèn)題
        1.2.3 半監(jiān)督兩類數(shù)據(jù)的均衡分類
        1.2.4 圖上的數(shù)據(jù)多分類問(wèn)題及其快速算法
    1.3 主要研究?jī)?nèi)容
    1.4 章節(jié)安排
第二章 非局部變分模型的規(guī)則化方法
    2.1 變分方法與總變差模型
    2.2 應(yīng)用在連續(xù)空間中的非局部算子
    2.3 連續(xù)空間中非局部的總變差模型的四種快速算法
        2.3.1 連續(xù)最大流方法
        2.3.2 對(duì)偶方法
        2.3.3 Split Bregman算法
        2.3.4 交替方向乘子方法(ADMM)
    2.4 本章小結(jié)
第三章 改進(jìn)數(shù)據(jù)多分類直推學(xué)習(xí)POTTS模型及其ADMM投影算法
    3.1 多相圖像分割中的Potts模型
    3.2 圖上數(shù)據(jù)多分類問(wèn)題的離散非局部變分Potts模型
        3.2.1 數(shù)據(jù)多分類問(wèn)題的集合描述
        3.2.2 數(shù)據(jù)多分類問(wèn)題的非局部離散變分Potts模型
    3.3 改進(jìn)Potts模型及其ADMM投影(ADMM-P)算法
    3.4 數(shù)值實(shí)驗(yàn)
        3.4.1 “三月”人工數(shù)據(jù)集
        3.4.2 “四月”人工數(shù)據(jù)集
        3.4.3 Waveform數(shù)據(jù)集
        3.4.4 MNIST數(shù)據(jù)集
    3.5 本章小結(jié)
第四章 改進(jìn)多分類Potts模型的矢量化模型及其ADMM投影算法
    4.1 矢量化的Mumford-Shah-Potts模型
    4.2 改進(jìn)Potts模型的矢量化模型及其ADMM投影算法
    4.3 數(shù)值實(shí)驗(yàn)
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 今后的工作展望
參考文獻(xiàn)
攻讀學(xué)位期間的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]半監(jiān)督學(xué)習(xí)方法[J]. 劉建偉,劉媛,羅雄麟.  計(jì)算機(jī)學(xué)報(bào). 2015(08)
[2]三維圖像多相分割的變分水平集方法[J]. 潘振寬,李華,魏偉波,郭振波,張春芬.  計(jì)算機(jī)學(xué)報(bào). 2009(12)



本文編號(hào)：3466782