学位论文 > 优秀研究生学位论文题录展示
基于局部线性分析的降维算法研究
作 者: 刘胜蓝
导 师: 闫德勤
学 校: 辽宁师范大学
专 业: 计算机软件与理论
关键词: 高维数据降维 流形学习 局部线性化 局部切空间
分类号: TP301.6
类 型: 硕士论文
年 份: 2011年
下 载: 54次
引 用: 1次
阅 读: 论文下载
内容摘要
随着信息、多媒体及数字化技术的迅猛发展,高维数据时代随之到来,并已成为描述客观世界的一个有力工具,如基因的表达、视频追踪、医学图像处理、高维时间序列分析等,与此同时,传统的分类、聚类等算法已经无法应用于高维数据的处理中,因此迫切需要寻求一种数据降维方法,而流形学习的出现为高维数据降维提供了一个很好的途径。流形学习在十余年的发展历程中,在国内外众多学者的努力下,已经开始趋于成熟,并涌现出了许多值得借鉴的方法。例如:等距映射、局部线性嵌(LLE)入以及局部切空间排列(LTSA)算法等。LLE及LTSA都基于局部近似可线性化的假设而提出的非线性降维方法,在真实世界的高维数据中可以得到较好的效果。但在很多时候,局部的数据往往存在高曲率分布及噪音,而局部的方法对上述情况非常敏感,此时LLE及LTSA就无法获得正确的低维嵌入,如何解决此类问题成为流形学习研究的一个重要分支。本文主要针对以上流形学习中的重要问题提出相应的解决方法:(1)分析局部切空间的几何性质,在此基础上提出一种自适应的邻域选取方法,并将LTSA算法加以改进。(2)分析噪音及高曲率对低维空间的影响,并将噪音进行分类,提出一种抗噪能力较强的角度全局嵌入算法。(3)以LLE算法为例,对局部可线性化问题展开讨论,给出一种近似的可线性化标准,同时在源数据是稀疏分布的情况下,给出一种基于稀疏嵌入分析的降维方法。最后,实验证实了文中所提出方法的有效性。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-18 1.1 研究背景及问题的提出 9-10 1.2 流形学习的国内外研究现状 10-12 1.3 流形及流形学习 12-16 1.3.1 流形的概念及其相关的数学定义 12-14 1.3.2 流形学习的出现 14-16 1.4 流形学习的主要参数及确定 16 1.5 本文的主要研究内容 16-17 1.6 本文的组织结构 17-18 2 一种自适应的邻域选取算法及改进的LTSA 18-28 2.1 引言 18-19 2.2 数据的正交投影 19-20 2.2.1 正交投影的角度 19-20 2.2.2 曲率的计算 20 2.3 自适应邻域的选取新方法 20-23 2.4 基于偏离度的自适应邻域选取的局部切空间排列算法(DALTSA) 23-24 2.5 实验结果 24-26 2.6 小结 26-28 3 一种全局的角度优化嵌入算法 28-41 3.1 引言 28-29 3.2 协方差阵的更新 29-30 3.3 子空间分析 30-31 3.4 AOGE 算法 31-33 3.5 实验结果与分析 33-40 3.5.1 不规则M 数据实验 33-34 3.5.2 Frey face 表情分类 34-36 3.5.3 手写体识别 36-37 3.5.4 AR 人脸识别 37-38 3.5.5 手工流形数据 38-39 3.5.6 实验结果分析 39-40 3.6 小结 40-41 4 一种基于稀疏嵌入分析的降维方法 41-52 4.1 引言 41-42 4.2 LLE 算法的介绍 42-43 4.3 可线性化分析 43-46 4.4 一种排列的稀疏LLE 算法 46-48 4.5 实验结果分析 48-51 4.5.1 手工流形实验 48-50 4.5.2 Frey 表情2D 可视化 50-51 4.6 小结 51-52 5 结论 52-53 5.1 总结 52 5.2 展望 52-53 参考文献 53-57 附录A1 引理3.1 证明 57-58 附录A2 定理3.1 证明 58-60 攻读硕士学位期间发表学术论文情况 60-61 致谢 61
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 唇读中的特征提取、选择与融合,TP391.41
- 基于流形学习的数据降维技术研究,TP311.13
- 基于学习的视频超分辨率重建算法研究及实现,TP391.41
- 基于脑电的情感识别,TP391.4
- 人体运动时间序列可视化及多索引方法研究,TP391.41
- 基于多基点定位的ISOMAP算法改进研究,TP181
- 暴雨中冰雹的识别,P429
- 流形学习中的增量谱嵌入方法,TP181
- 长期演进系统下入侵检测关键技术的研究,TP393.08
- 非线性系统的规律维及其可视化方法初探,TP391.41
- 基于流形学习的人脸表情识别研究,TP391.41
- 人脸识别中图像描述方法的研究,TP391.41
- 无监督流形学习算法的若干探讨,O186.12
- 健壮的流形学习算法及其应用研究,TP181
- 流形学习算法及其在图像识别中的应用研究,TP391.41
- 流形学习中非线性降维方法的研究及在烟草数据中的应用,TP181
- 流形学习中的鲁棒性问题研究,TP181
- 无线传感器网络移动节点定位算法的研究,TN929.5
- 流形学习算法的改进及在人脸识别中的应用,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com
|