本文關鍵詞：基于隱馬爾科夫模型的軌跡聚類方法研究

  更多相關文章： 隱馬爾可夫模型 時間序列 軌跡 相似度計算方法 譜聚類

【摘要】：軌跡作為一種動態(tài)特征能更加全面地描述視頻內容信息,在多媒體信息處理研究領域得到了廣泛地應用,而在該領域中尤其是視頻相關研究領域,對軌跡實現(xiàn)聚類分割則是整個研究過程中至關重要的一步,劃分結果的好壞將直接影響到后續(xù)研究工作的進行。本文主要研究如何根據隱馬爾可夫模型的理論和原理實現(xiàn)對視頻軌跡的聚類劃分。具體來說,主要對以下三個方面進行研究分析：1、建立基于參考隱馬爾可夫模型的軌跡距離矩陣。目前現(xiàn)有的基于隱馬爾可夫模型的聚類方法通常需要很大的計算量,尤其是建立軌跡距離矩陣的過程,在該過程中需要對整個軌跡數(shù)據集中的每一個對象進行訓練得到對應的隱馬爾可夫模型,然后根據獲得的隱馬爾可夫模型對數(shù)據集中的每一條軌跡進行學習,從而獲得軌跡的距離矩陣,這個過程的時間復雜度是O(n2),n指的是軌跡數(shù)據數(shù)目。針對這個問題,本文提出了使用參考隱馬爾可夫模型集來構建軌跡距離矩陣的方法,主要思想就是從整個軌跡數(shù)據集中隨機選取一定數(shù)量的軌跡數(shù)據然后對它們進行訓練,得到對應的隱馬爾可夫模型作為參考隱馬爾可夫模型集合ref-HMM,根據獲得的ref-HMM,對軌跡數(shù)據集中的每一個對象進行學習,得到軌跡的基于ref-HMM的距離矩陣。使用該方法構建距離矩陣的時間復雜度是O(n×r), n是軌跡數(shù)目,r是選取的參考軌跡數(shù)目。2、使用向量點乘方法計算軌跡對象之間的相似度。在基于隱馬爾可夫模型的聚類方法中,POR、YY、SYM、BP、KL距離是經常使用的用于計算軌跡之間相似度的測量方法。前四種距離計算方法簡單,但是它們只是考慮了軌跡對象的部分信息,獲得的聚類效果并不是很好。KL距離度量方法考慮了軌跡之間的全部信息,而且使用KL距離的聚類效果要比另外四種要好很多,但是該距離計算方法需要很大的計算量。因此本文使用向量點乘的方法計算軌跡之間的相似度,該方法既能夠考慮了軌跡之間的全部信息而且計算的時間復雜度要低于KL距離。實驗結果表明使用向量點乘方法不僅提高了算法的魯棒性,同時也提高了算法的聚類質量,當參考軌跡數(shù)據集的數(shù)目為500時,本文提出的方法就要比使用KL距離的聚類方法高出2%左右。3、使用譜聚類方法對軌跡對象進行聚類分割。譜聚類相對于其他傳統(tǒng)的聚類方法(比如k均值等)有很多基礎性的優(yōu)勢,譜聚類的過程很容易實現(xiàn)而且效率也比較高。本文通過實驗對比發(fā)現(xiàn)當軌跡類數(shù)目為5時,使用譜聚類獲得的結果要比使用k均值高出5%左右,隨著軌跡類數(shù)目的增加,兩種方法獲得的結果差距也在增加,當軌跡類數(shù)目為25類時,譜聚類要比k均值分割方法高出20%左右。
【學位授予單位】：華東師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.13

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 史笑興,王太君,何振亞;二階隱馬爾可夫模型的學習算法及其與一階隱馬爾可夫模型的關系[J];應用科學學報;2001年01期

2 胡迎松,朱阿柯,陳剛,陳中新;一種基于二維隱馬爾可夫模型的圖像分類算法[J];計算機應用;2005年04期

3 張慧麗;;基于混合二階隱馬爾可夫模型的基因結構預測[J];電腦知識與技術(學術交流);2007年14期

4 俞琰;;基于隱馬爾可夫模型的招聘網絡信息抽取[J];北京電子科技學院學報;2008年04期

5 方浩;許鴻文;蔡益宇;;一種基于語義關系改進的隱馬爾可夫模型研究[J];通信技術;2008年05期

6 李玉擰;;二維隱馬爾可夫模型的幾個等價定義[J];北京工業(yè)大學學報;2008年06期

7 俞琰;;基于隱馬爾可夫模型的招聘網絡信息抽取[J];自動化技術與應用;2008年10期

8 侯昭武;;隱馬爾可夫模型的拓樸應用[J];河南師范大學學報(自然科學版);2009年06期

9 劉輝;楊俊安;許學忠;;一種改進的隱馬爾可夫模型訓練方法及其在聲目標識別中的應用[J];電路與系統(tǒng)學報;2011年01期

10 黃崗;;馬爾可夫及隱馬爾可夫模型的應用[J];電子設計工程;2013年17期

中國重要會議論文全文數(shù)據庫 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關系[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識[A];2009’中國西部地區(qū)聲學學術交流會論文集[C];2009年

3 吳志強;陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內與文本無關的說話人辨認的研究[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識別中的應用[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識別[A];第一屆全國語言識別學術報告與展示會論文集[C];1990年

6 徐東風;周萍;景新幸;;改進隱馬爾可夫模型的非線性分段技術應用[A];中國聲學學會2007年青年學術會議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識別系統(tǒng)[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

8 秦勇;莫福源;李昌立;關定華;;基于隱馬爾可夫模型的漢語二字詞音調模式識別[A];第三屆全國人機語音通訊學術會議論文集[C];1994年

9 楊文強;鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點識別[A];中國運籌學會第六屆學術交流會論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動建模軟件的實現(xiàn)[A];第四屆全國人機語音通訊學術會議論文集[C];1996年

中國博士學位論文全文數(shù)據庫 前3條

1 李杰;隱馬爾可夫模型的研究及其在圖像識別中的應用[D];清華大學;2004年

2 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關算法研究[D];華中科技大學;2014年

3 劉韜;基于隱馬爾可夫模型與信息融合的設備故障診斷與性能退化評估研究[D];上海交通大學;2014年

中國碩士學位論文全文數(shù)據庫 前10條

1 吳瑞琪;面向農牧民歌旋律的自動伴奏技術研究[D];河南師范大學;2015年

2 張凱;基于隱馬爾可夫模型的頻譜預測和感知方法研究[D];南京郵電大學;2015年

3 趙效毓;基于最大熵隱馬爾可夫模型的基因啟動子識別[D];南京農業(yè)大學;2014年

4 白雁飛;基于隱馬爾可夫模型的J波識別技術研究[D];太原理工大學;2016年

5 崔晨雨;基于用戶經驗水平的推薦方法研究[D];清華大學;2015年

6 李若冰;基于貝葉斯網絡和隱馬爾可夫模型的撲克對手建模研究[D];南京大學;2013年

7 朱超然;基于隱馬爾可夫模型的無線傳感器網絡入侵檢測研究[D];華北電力大學(北京);2014年

8 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學;2016年

9 李曉燕;基于隱馬爾科夫模型的軌跡聚類方法研究[D];華東師范大學;2016年

10 王宇寧;隱馬爾可夫模型在信息抽取中的應用研究[D];大連理工大學;2007年

，

本文編號：1218169