学位论文 > 优秀研究生学位论文题录展示

流形学习算法及其在图像识别中的应用研究

作　者: 谈书才
导　师: 黄景涛
学　校: 河南科技大学
专　业: 模式识别与智能系统
关键词: 流形学习局部线性嵌套嵌入空间非线性降维图像识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 108次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科技的进步,尤其是信息时代的到来,人们所要处理的数据量越来越巨大,特别是图像数据。这些数据的高维性、海量性、非线性和高增长性,使得传统的线性方法对其难以有效处理。在这个背景下,流形学习方法应运而生,迅速成为国内外广大科研工作者研究的一个热点,并且日益广泛应用于高维数据分析、信号处理和生物特征识别等。流形学习主要是从高维采样数据中把低维流形结构恢复出来,即找出高维空间中嵌入的低维流形,实现数据的可视化或维数的约简,并构造出对应的映射。具体到图像数据,就是找出隐藏在由原始图像数据张成的高维空间中的低维结构,挖掘出隐藏在其中的内在规律与本征信息。论文以拓扑学理论和黎曼几何为基础,对流形学习算法、流形学习算法鲁棒性的加强以及流形学习算法在图像识别中的应用等问题进行了研究。首先研究了流形学习理论及方法,分析了各自的优缺点,找出了适合图像识别的流形学习算法——局部线性嵌套算法;然后为了增强局部线性嵌套算法的鲁棒性,提出了一种基于距离度量和联合优化的局部线性嵌套算法,改进了局部线性嵌套算法中的欧氏距离,并对求解源数据空间的表示坐标和目标空间的嵌入坐标两个优化过程进行联合优化,在保证算法处理稀疏数据源的同时,减少了选取的近邻点个数,提高了算法的抗噪声能力;最后为了提高人脸识别的速度,提出了一种基于局部线性嵌套和最小二乘支持向量机的人脸识别方法,提高人脸识别的速度。该方法先采用灰度均值方差标准化方法使归一化后的人脸图像具有相同的均值和方差,减少了光照对人脸图像的影响;接着分别利用主成分分析和局部线性嵌套各自在特征提取方面的优势,在保留各类人脸样本拓扑结构的前提下,减小了识别误差;然后利用最小二乘支持向量机判别方法进行判别,提高了识别速度。实验结果表明该方法不仅提高了人脸识别的速度,而且具有较高的识别率。

全文目录

摘要  2-3
ABSTRACT  3-7
第1章绪论  7-13
  1.1 课题研究的理论意义和实用价值  7-8
  1.2 流形学习算法研究现状  8-10
  1.3 流形学习算法在图像识别中应用研究现状  10-12
  1.4 本文主要工作及结构安排  12
  1.5 小结  12-13
第2章流形学习理论基础  13-27
  2.1 引言  13
  2.2 流形和流形学习的数学基础  13-15
  2.3 等距映射算法(ISOMAP)  15-17
  2.4 局部线性嵌套算法(LLE)  17-18
  2.5 拉普拉斯特征映射算法(LE)  18-20
  2.6 海赛特征映射算法(HE)  20-22
  2.7 局部切空间排列算法(LTSA)  22-23
  2.8 流形学习算法分析  23-24
  2.9 流形学习统一框架  24-25
  2.10 小结  25-27
第3章基于距离度量和联合优化的 LLE 算法研究  27-50
  3.1 引言  27
  3.2 局部线性嵌套算法  27-31
    3.2.1 LLE 的基本思想和主要步骤  27-30
    3.2.2 LLE 的几个降维实例  30-31
  3.3 LLE 中几个关键问题的研究  31-35
    3.3.1 近邻参数的选取  31-34
    3.3.2 本征维数的估计  34-35
  3.4 基于距离度量和联合优化的LLE 算法  35-49
    3.4.1 LLE 算法存在的问题及其解决方法  35-36
    3.4.2 基于距离度量和联合优化的LLE 算法的设计与实现  36-38
    3.4.3 基于距离度量和联合优化的LLE 算法的实验结果  38-41
    3.4.4 基于距离度量和联合优化的LLE 算法抗噪性实验及结果分析  41-49
  3.5 小结  49-50
第4章流形学习算法在图像识别中的应用研究  50-60
  4.1 引言  50
  4.2 流形学习在图像方面的应用  50-51
  4.3 主成分分析方法(PCA)  51-52
  4.4 最小二乘支持向量机(LS-SVM)  52-53
  4.5 基于局部线性嵌套和最小二乘支持向量机的人脸识别方法  53-59
    4.5.1 人脸识别方法存在的问题及其解决方法  53-54
    4.5.2 基于LLE 的人脸特征提取  54-55
    4.5.3 基于LS-SVM 分类算法  55-56
    4.5.4 基于LLE 和LS-SVM 的人脸识别方法的实验设计  56-57
    4.5.5 基于LLE 和LS-SVM 的人脸识别方法的实验结果及分析  57-59
  4.6 小结  59-60
第5章总结与展望  60-63
  5.1 研究工作总结  60-61
  5.2 研究工作展望  61-63
参考文献  63-67
致谢  67-68
攻读硕士学位期间的研究成果  68

流形学习算法及其在图像识别中的应用研究

内容摘要

全文目录

相似论文