学位论文 > 优秀研究生学位论文题录展示
基于正交稀疏保留投影的特征提取与识别算法研究
作 者: 李文倩
导 师: 荆晓远
学 校: 南京邮电大学
专 业: 模式识别与智能系统
关键词: 特征提取 稀疏重构关系 正交稀疏保留投影 全局正交稀疏保留投影 局部正交稀疏保留投影
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 69次
引 用: 0次
阅 读: 论文下载
内容摘要
对于一个数据集,数据间的稀疏重构关系具有很好的分类信息。稀疏保留投影(SPP)正是基于这样的考虑所提出的一种特征提取方法,它的目标是获取一组线性的投影变换空间,使得样本之间这种全局稀疏重构关系得以保留。然而,稀疏保留投影得到的投影空间通常并不是正交的,而正交变换一直以来被认为是提高鉴别能力的很有用的手段。因此,本文提出了正交的稀疏保留投影及两种实现的算法以获得正交的投影变换空间,第一种是整体正交稀疏保留投影(HOSPP),第二种是迭代正交稀疏保留投影(IOSPP)。整体正交稀疏保留投影方法通过替换正交约束直接计算出正交投影空间,而迭代正交稀疏保留投影则是在保留原有约束的情况下,通过迭代的方式一一求出正交投影向量。整体正交稀疏保留投影(HOSPP)和迭代正交稀疏保留投影(ⅠOSPP)主要关注的是样本间的全局稀疏重构关系。然而实际应用中,图像数据往往处于一种高维空间的低维流形结构中。进而,我们在目标函数中引入了近邻结构图,使得求得的投影变换在最好的保留稀疏重构关系的同时也可以很好的保留样本的空间流形结构。类似的,该方法也分为基于流形学习的整体正交稀疏保留投影(MLHOSPP)和基于流形学习的迭代正交稀疏保留投影(MLIOSPP)。上述两种方法本质上是无监督的算法,有监督的子空间算法可以更好的利用标记信息获得更加有效的鉴别特征,从而提高识别率。因此,我们提出了基于流形学习的整体正交稀疏保留鉴别分析(MLHOSDA)和基于流形学习的迭代正交稀疏保留鉴别分析(MLIOSDA)。该算法利用有类标记的样本直接修正构建的稀疏重构图和邻接图,在原方法中自然的融入监督信息。进而我们又提出了一种复数融合的方式在近邻结构图中将角度距离和欧式距离进行融合来构造近邻结构图,命名为基于复数局部保留的整体正交稀疏保留鉴别分析(CLPHOSDA)基于复数迭代保留的整体正交稀疏保留鉴别分析(CLPIOSDA)。在实验部分,我们在三个数据库,即Yale人脸数据库,CAS-PEAL人脸数据库和PolyU掌纹数据库上将提出的所有算法与已有的经典算法做测试。实验结果证实了我们方法的有效性。
|
全文目录
摘要 4-5 Abstract 5-9 第一章 绪论 9-18 1.1 课题研究背景 9-10 1.2 主要的生物特征 10-13 1.3 子空间特征提取 13-15 1.4 本文主要工作概述 15-16 1.5 本文内容章节安排 16-18 第二章 相关知识介绍 18-31 2.1 典型的线性子空间特征提取方法 18-21 2.1.1 主成分分析方法 18-19 2.1.2 线性鉴别分析相关方法 19-21 2.2 稀疏表示相关技术 21-25 2.2.1 稀疏表示 21-23 2.2.2 稀疏表示分类器(SRC) 23-24 2.2.3 稀疏保留投影(SPP) 24-25 2.3 流形学习方法 25-31 2.3.1 局部线性嵌入(LLE) 25-26 2.3.2 拉普拉斯特征映射(LE) 26-27 2.3.3 局部保留投影(LPP) 27-28 2.3.4 近邻保留嵌入(NPE) 28-29 2.3.5 局部鉴别映射(LDE) 29-31 第三章 正交稀疏保留投影 31-42 3.1 正交稀疏保留投影的基本思想 31 3.2 整体正交稀疏保留投影(HOSPP) 31-32 3.3 迭代正交稀疏保留投影(IOSPP) 32-34 3.4 正交稀疏保留投影的优点 34-37 3.4.1 正交性的保留 35-36 3.4.2 稀疏保留的能力 36-37 3.5 实验部分 37-41 3.5.1 数据库的介绍 37-38 3.5.2 实验结果 38-40 3.5.3 实验分析 40-41 3.6 本章小结 41-42 第四章 基于流形学习的正交稀疏保留投影 42-50 4.1 基于流形学习的正交稀疏保留投影的基本思想 42 4.2 基于流形学习的整体正交稀疏保留投影(MLHOSPP) 42-44 4.3 基于流形学习的迭代正交稀疏保留投影(MLIOSPP) 44-46 4.4 实验部分 46-49 4.4.1 实验结果 47-49 4.4.2 实验分析 49 4.5 本章小结 49-50 第五章 基于流形学习的正交稀疏保留鉴别分析及改进 50-64 5.1 基于流形学习的正交稀疏保留鉴别分析的基本思想 50 5.2 基于流形学习的正交稀疏保留鉴别分析(MLOSDA) 50-55 5.3 基于复数局部保留的正交稀疏保留鉴别分析(CLPOSDA) 55-57 5.4 实验部分 57-62 5.4.1 实验结果 58-62 5.4.2 实验分析 62 5.5 本章小结 62-64 第六章 总结与展望 64-66 6.1 本文工作总结 64-65 6.2 进一步研究展望 65-66 参考文献 66-71 附录1 攻读硕士学位期间撰写的论文 71-72 致谢 72
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 高光谱图像技术诊断黄瓜病害方法的研究,S436.421
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 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|