学位论文 > 优秀研究生学位论文题录展示

基于高维空间目标类几何覆盖模型的一类分类器研究

作　者: 路亮
导　师: 胡正平
学　校: 燕山大学
专　业: 通信与信息系统
关键词: 一类分类器稀疏距离测度学习最小生成树稀疏最小生成树 Steiner最小树凸壳数据描述
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 23次
引　用: 2次
阅　读: 论文下载

内容摘要

传统基于划分分类的模式识别方法一般需要多个类别的训练样本,用来设计两类和多类分类器,然而在许多实际应用中存在一类分类问题。由于仅有一类样本可资利用,一类分类器设计必须通过对目标类样本的学习,形成目标类的合理覆盖模型进行识别。到目前为止,一类分类器研究已经比较深入,但对于高维空间非规则复杂分布的一类分类问题仍然难以取得较好的效果。本文在研究国内外最新研究成果基础上,针对高维空间目标类合理覆盖模型构造展开研究。首先,为了提高模型对数据的描述能力,研究了高维空间一类数据稀疏距离测度学习算法。学习的距离测度能容易的嵌入一类分类器中,有效改善一类分类器的描述性能,增强其推广能力。其次,研究了基于高维空间稀疏最小生成树覆盖模型的一类分类算法。该算法首先构建目标类的稀疏k近邻图表示,通过递归图分割算法发现数据分布的微聚类,再以微聚类中心为图节点构建目标类最小生成树覆盖模型。实验结果证实了该方法的有效性。再次,针对最小生成树数据描述方法分支多,局部覆盖不够合理的问题,研究了基于高维空间典型样本Steiner最小树覆盖模型的一类分类算法。该算法首先对目标类训练集进行样本修剪,然后对保留的典型样本构建Steiner最小树覆盖模型。实验结果证实该方法表现出良好的性能。最后,为了构建目标类紧致覆盖模型,研究了基于目标类训练样本凸壳数据描述的一类分类算法。该模型无须参数设置,可实现对样本非规则复杂分布的自适应覆盖,并可通过核函数方法获得较强的非线性分类能力。实验结果证实了该方法的有效性。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-18
  1.1 课题背景及意义  11-12
  1.2 国内外研究现状  12-15
  1.3 本文主要研究内容  15-16
  1.4 本文组织结构  16-18
第2章一类分类器基础  18-31
  2.1 一类分类器的数学模型  18-19
  2.2 基于密度函数估计的一类分类模型  19-21
    2.2.1 高斯模型  19-20
    2.2.2 高斯混合模型  20
    2.2.3 Parzen 窗模型  20-21
  2.3 基于聚类方法的一类分类模型  21-22
    2.3.1 k-均值法  21-22
    2.3.2 k-中心法  22
  2.4 基于神经网络的一类分类模型  22-23
  2.5 基于边界描述的一类分类模型  23-28
    2.5.1 支持向量数据描述  23-24
    2.5.2 一类支持向量机  24-25
    2.5.3 最近邻法  25-26
    2.5.4 最小生成树数据描述  26-28
  2.6 一类分类器性能评价指标  28-30
  2.7 本章小结  30-31
第3章高维空间l1 范数约束的一类数据稀疏距离测度学习算法  31-43
  3.1 引言  31-32
  3.2 一类数据距离测度学习  32-36
    3.2.1 目标类样本间相似约束  32-33
    3.2.2 数据分布先验知识约束  33-34
    3.2.3 距离测度稀疏性约束  34-35
    3.2.4 距离测度学习算法  35-36
  3.3 嵌入距离测度的一类分类器  36
  3.4 实验仿真  36-42
    3.4.1 高斯分布样本点分类实验  37-39
    3.4.2 UCI 数据集分类实验  39-41
    3.4.3 MNIST 手写体数字识别实验  41-42
  3.5 本章小结  42-43
第4章基于稀疏最小生成树覆盖模型的一类分类算法  43-51
  4.1 引言  43
  4.2 稀疏最小生成树覆盖模型  43-46
    4.2.1 目标类数据稀疏图表示模型  44
    4.2.2 目标类数据局部分布描述  44-46
    4.2.3 目标类数据稀疏最小生成树覆盖模型  46
    4.2.4 覆盖半径的设置  46
  4.3 覆盖模型参数选择  46-47
  4.4 实验仿真  47-50
    4.4.1 UCI 数据集分类实验  47-48
    4.4.2 MNIST 手写体数字识别实验  48-49
    4.4.3 MIT-CBCL 人脸识别实验  49-50
  4.5 本章小结  50-51
第5章基于典型样本Steiner 最小树覆盖模型的一类分类算法  51-62
  5.1 引言  51-52
  5.2 典型样本Steiner 最小树覆盖模型  52
  5.3 样本修剪策略  52-54
  5.4 Steiner 最小树覆盖模型  54-57
    5.4.1 Steiner 最小树问题  54-55
    5.4.2 构建Steiner 最小树  55-56
    5.4.3 覆盖半径设置  56
    5.4.4 和最小生成树数据描述的比较与分析  56-57
  5.5 实验仿真  57-61
    5.5.1 UCI 数据集分类实验  57-58
    5.5.2 MNIST 手写体数字识别实验  58-60
    5.5.3 MIT-CBCL 人脸识别实验  60-61
  5.6 本章小结  61-62
第6章基于高维空间凸壳数据描述的一类分类算法  62-72
  6.1 引言  62
  6.2 凸壳数据描述  62-66
    6.2.1 基本概念  62-63
    6.2.2 原始形式  63-65
    6.2.3 核化形式  65-66
    6.2.4 鲁棒的凸壳数据描述  66
  6.3 和支持向量数据描述的比较与分析  66-67
  6.4 实验仿真  67-71
    6.4.1 UCI 数据集分类实验  67-69
    6.4.2 MNIST 手写体数字识别实验  69-70
    6.4.3 MIT-CBCL 人脸识别实验  70-71
  6.5 本章小结  71-72
结论  72-74
参考文献  74-79
攻读硕士学位期间承担的科研任务与主要成果  79-80
致谢  80-81
作者简介  81

基于高维空间目标类几何覆盖模型的一类分类器研究

内容摘要

全文目录

相似论文