隨著人工智能技術(shù)的發(fā)展,字典學(xué)習(xí)已成為機(jī)器學(xué)習(xí)和模式識(shí)別領(lǐng)域的一大熱點(diǎn)問題。傳統(tǒng)地說,字典學(xué)習(xí)主要分為兩類:有監(jiān)督字典學(xué)習(xí)和半監(jiān)督字典學(xué)習(xí)。前者的分類結(jié)果取決于有標(biāo)簽樣本的個(gè)數(shù);后者未充分利用樣本之間內(nèi)在的結(jié)構(gòu)信息,從而導(dǎo)致其圖像分類效果未達(dá)到最佳。為了解決以上問題,本碩士論文完成了三項(xiàng)工作:1.在半監(jiān)督學(xué)習(xí)框架下,基于原子和對(duì)應(yīng)的稀疏編碼構(gòu)建拉普拉斯圖結(jié)構(gòu)并將其嵌入到字典學(xué)習(xí)框架中,從而提出了一種基于原子圖正則化的半監(jiān)督字典學(xué)習(xí)算法,使得圖拉普拉斯和字典在學(xué)習(xí)迭代期間相互促進(jìn);2.基于以上模型增加一條能夠“反饋”來自無標(biāo)簽樣本的預(yù)測標(biāo)簽信息到字典學(xué)習(xí)階段的路徑,使得樣本的流形結(jié)構(gòu)和無標(biāo)簽樣本的預(yù)測標(biāo)簽信息都可以被及時(shí)地反饋和融入到學(xué)習(xí)進(jìn)程中,故稱其為自學(xué)習(xí)的基于原子圖正則化的半監(jiān)督字典學(xué)習(xí)算法;3.基于前兩項(xiàng)工作,通過對(duì)原有模型中的稀疏系數(shù)矩陣施加非負(fù)約束,提出了一種非負(fù)自學(xué)習(xí)的基于原子圖正則化的半監(jiān)督字典學(xué)習(xí)算法。經(jīng)過在廣泛的數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),并與現(xiàn)有的字典學(xué)習(xí)算法對(duì)比,本文所提出的三種算法都取得了良好的分類效果。

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的意義
        1.1.1 理論意義
        1.1.2 實(shí)際意義
    1.2 課題研究現(xiàn)狀
    1.3 文章內(nèi)容與結(jié)構(gòu)安排
第二章 字典學(xué)習(xí)經(jīng)典算法
    2.1 字典學(xué)習(xí)概述
    2.2 有監(jiān)督字典學(xué)習(xí)算法
    2.3 半監(jiān)督字典學(xué)習(xí)算法
    2.4 本章小結(jié)
第三章 基于原子圖正則化的半監(jiān)督字典學(xué)習(xí)
    3.1 研究動(dòng)機(jī)
    3.2 基于原子圖正則化的半監(jiān)督字典學(xué)習(xí)模型
        3.2.1 模型解釋
        3.2.2 模型優(yōu)化
    3.3 算法概要及分析
        3.3.1 算法概要
        3.3.2 算法分析
    3.4 分類預(yù)測方案
    3.5 實(shí)驗(yàn)分析
        3.5.1 實(shí)驗(yàn)基本設(shè)置
        3.5.2 實(shí)驗(yàn)分類結(jié)果
        3.5.3 優(yōu)化進(jìn)程分析
    3.6 本章小結(jié)
第四章 自學(xué)習(xí)的基于原子圖正則化的半監(jiān)督字典學(xué)習(xí)
    4.1 研究動(dòng)機(jī)
    4.2 算法描述
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 實(shí)驗(yàn)基本設(shè)置
        4.3.2 參數(shù)敏感度分析
        4.3.3 實(shí)驗(yàn)分類效果
    4.4 本章小結(jié)
第五章 非負(fù)自學(xué)習(xí)的基于原子圖正則化的半監(jiān)督字典學(xué)習(xí)
    5.1 研究動(dòng)機(jī)
    5.2 模型介紹
    5.3 模型優(yōu)化
    5.4 實(shí)驗(yàn)效果及分析
        5.4.1 圖像分類
        5.4.2 行為識(shí)別
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
參考文獻(xiàn)
附錄 A
致謝
攻讀碩士期間的科研成果



本文編號(hào)：3797979