学位论文 > 优秀研究生学位论文题录展示

面向图像表达的非负局部坐标分解算法

作　者: 陈琰
导　师: 何晓飞
学　校: 浙江大学
专　业: 计算机科学与技术
关键词: 非负矩阵分解局部坐标稀疏编码
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 16次
引　用: 0次
阅　读: 论文下载

内容摘要

目前在计算机视觉和模式识别领域内,非负矩阵分解(NMF)越来越多得被用作特征提取。NMF寻找两个小的非负矩阵,使得它们的乘积能够最好的拟合原始矩阵。而非负的这个限制导致了稀疏、基于局部的表达,这比稠密、全局的特征鲁棒性更好。在这篇论文中,我们提出了一个特征提取的新方法叫做非负局部坐标分解(NLCF)。NLCF在标准的NMF目标函数中添加了一个局部坐标的限制项,特别地,我们要求学到的基向量要尽可能得接近数据点。这样,每一个数据点能被表示为仅由周围靠近的少数几个基向量的线性组合,自然地得到了稀疏的表达。实验结果证明这一方法能提供一个更好的表达以及在图像聚类中更高的正确率。

全文目录

致谢  5-6
摘要  6-7
Abstract  7-10
图目录  10-11
表目录  11-12
1 绪论  12-17
  1.1 机器学习  12-13
  1.2 无监督学习  13-14
  1.3 降维  14
  1.4 降维与图像表达  14-16
  1.5 小结  16-17
2 非负矩阵分解回顾  17-24
  2.1 NMF的发展及原理  17-20
  2.2 应用领域  20-22
  2.3 小结  22-24
3 相关工作  24-26
  3.1 扩展非负限制  24
  3.2 聚类与分类应用  24
  3.3 增强局部性  24-25
  3.4 稀疏表达  25
  3.5 小结  25-26
4 非负局部坐标分解  26-35
  4.1 目标函数  26-27
  4.2 优化方法  27-28
  4.3 与梯度下降算法的联系  28-29
  4.4 收敛分析  29-33
  4.5 计算复杂度分析  33-34
  4.6 小结  34-35
5 实验结果  35-51
  5.1 数据集  35-36
  5.2 聚类结果的评价  36-40
  5.3 基向量和图像编码  40-41
  5.4 学习超完备(overcomplete)基  41-42
  5.5 收敛分析  42
  5.6 小结  42-51
6 总结和未来工作  51-52
参考文献  52-56
攻读硕士学位期间主要研究成果  56

相似论文

图像的稀疏表示及编码模型研究,TP391.41
联合聚类算法研究及应用,TP311.13
基于稀疏表示的高空间分辨率遥感影像纹理描述方法的研究,TP751
基于稀疏非负矩阵分解的图像检索,TP391.41
基于图的彩色图像目标分割算法研究,TP391.41
基于稀疏编码与机器学习的图像内容识别算法研究,TP391.41
在线字典训练及加权差异性稀疏表示的研究,TP391.41
智能视频监控系统中人体异常行为检测与识别研究,TP391.41
视频中人体行为识别的判别稀疏编码方法研究,TP391.41
面向互联网中文舆情信息的情感倾向分析,TP391.1
基于非负矩阵分解的高光谱遥感图像混合像元分解研究,TP751.1
基于最小二乘法的非负矩阵分解算法及应用,O151.21
高光谱遥感图像融合技术与质量评价方法研究,TP751
面向邮件系统的恶意代码检测技术研究,TP393.08
基于NMF垃圾邮件过滤系统研究,TP393.098
面向自然场景分类的稀疏编码研究与应用,TP391.41
一种基于网络编码的改进型BitTorrent内容分发系统研究,TP393.093
基于语义的单文档自动摘要研究,TP391.1
基于感知哈希的图像保护技术的研究,TP391.41
非负矩阵分解的稀疏性模型及初始化研究,O151.21