学位论文 > 优秀研究生学位论文题录展示

基于稀疏非负矩阵分解的图像检索

作　者: 马帅
导　师: 肖俊；吴飞
学　校: 浙江大学
专　业: 计算机应用
关键词: 稀疏非负矩阵分解稀疏编码共享子空间学习迁移学习信息检索
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 195次
引　用: 0次
阅　读: 论文下载

内容摘要

当前,社会化标签系统日益流行。社会化标签系统已成为Web 2.0时代的标志性特征之一。用户可在不同的社会化标签系统中分享并自由标注不同媒体,比如在Flickr上分享并标注图片,在YouTube上分享视频并添加标签；同时,用户也可以在社会化标签系统中检索感兴趣的资源。这些不断发展的社会化标签系统,在不断丰富我们生活的同时,也给我们的研究工作带来了挑战与机遇。如何对用户自由添加的标签进行除噪音、去歧义等操作,提升标注的准确性,并进一步提高基于标签的信息检索的准确性?如何充分利用多种不同来源数据的丰富信息,实现多数据源间的迁移学习和相互辅助?这些问题已成为当前国内外研究的热点。针对上述问题,本文吸收了稀疏编码和共享子空间学习等方面的最新研究进展,提出了基于稀疏非负矩阵分解的多源利用(Multi-source Boosting by Sparse Nonnegative Matrix Factorization, MtBSNMF)算法。本文提出的基于稀疏非负矩阵分解的多源利用算法,通过联合稀疏非负矩阵分解分析多来源的数据,从中挖掘不同来源数据的共享子结构以及各来源对应的独立子结构,并籍此实现多数据源间知识的迁移学习。基于对稀疏非矩阵分解的多源利用(MtBSNMF)算法的研究,笔者在本文进一步开展了两部分的应用研究。第一部分,以标签为纽带联系两类不同的数据源,研究MtBSNMF算法在基于标签的图像检索领域的应用；第二部分,利用图像数据源的视觉特征,以视觉单词为纽带联系两类不同的图像数据源,研究MtBSNMF算法在样例查询和标签预测上的应用。实证表明,本文提出的方法具有一定的有效性和扩展性。

全文目录

摘要  3-4
Abstract  4-7
图目录  7-8
表目录  8-9
第1章绪论  9-14
  1.1 课题背景  9-10
  1.2 研究目的  10-11
  1.3 本文主要工作  11-12
  1.4 本文组织结构  12-13
  1.5 本章小结  13-14
第2章国内外研究现状  14-26
  2.1 稀疏编码介绍  14-17
    2.1.1 稀疏编码的发展  14
    2.1.2 稀疏编码的思想  14-15
    2.1.3 l_1范数正则化(l_1-Regularization)  15-17
  2.2 子空间学习介绍  17-23
    2.2.1 子空间简介  17-18
    2.2.2 主成分分析(principal component analysis,PCA)  18-20
    2.2.3 非负矩阵分解(Non-negative Matrix Factorization,NMF)  20-23
  2.3 迁移学习的研究现状  23-25
  2.4 本章小结  25-26
第3章基于稀疏非负矩阵分解的多源利用  26-36
  3.1 定义与假设  26-27
  3.2 问题建模  27-30
  3.3 目标函数的求解  30-31
  3.4 参数说明  31-33
  3.5 交替的非负约束的最小二乘法  33-34
  3.6 基于稀疏非负矩阵分解的多源利用算法(MtBSNMF)  34-35
  3.7 复杂度分析  35
  3.8 本章小结  35-36
第4章 MtBSNMF算法在图像检索的应用  36-46
  4.1 实验数据集  36-37
  4.2 算法应用的流程图  37-38
  4.3 基于MtBSNMF的图像检索算法  38-39
  4.4 对比算法与评价标准  39-40
  4.5 稀疏性参数设置对比实验  40-41
  4.6 辅助数据集大小对算法的影响  41-42
  4.7 利用MtBSNMF算法进行基于标签的图像检索  42-45
  4.8 本章小结  45-46
第5章 MtBSNMF算法在样例查询和标签预测的应用  46-52
  5.1 实验数据集  46-48
  5.2 样例查询  48-50
    5.2.1 基于MtBSNMF的样例查询算法  48-49
    5.2.2 实验结果及分析  49-50
  5.3 标签预测  50-51
    5.3.1 基于MtBSNMF的标签预测算法  50
    5.3.2 实验结果及分析  50-51
  5.4 本章小结  51-52
第6章总结与展望  52-54
  6.1 工作总结  52-53
  6.2 下一步工作和展望  53-54
参考文献  54-57
攻读硕士学位期间主要的研究成果  57-58
致谢  58-59
作者简介  59

相似论文

图像的稀疏表示及编码模型研究,TP391.41
生物医学领域检索系统查询扩展技术研究,TP391.3
面向海量邮件的检索系统研究与实现,TP393.098
基于跨语言信息检索的企业竞争情报收集系统模型研究,TP391.3
基于策略Agent的个性化信息检索系统的研究与实现,TP391.3
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
面向图像表达的非负局部坐标分解算法,TP391.41
跨语言文本分类的研究,TP391.1
基于分类模型监测电子商务违禁信息的研究与实现,TP393.09
基于图的彩色图像目标分割算法研究,TP391.41
排序学习损失函数的研究,TP181
基于内容的商品图像分类技术研究,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
基于点击的用户聚类的研究,TP311.13
视频中人体行为识别的判别稀疏编码方法研究,TP391.41
英汉跨语言问答系统中的文档语义检索,TP391.1
图像与文本数据间的异构迁移学习,TP391.41
基于概率的潜在语义分析模型在搜索引擎商业文本分类系统中的应用研究,TP391.1
基于Web的医学文献数据库的设计与实现,TP311.13