本文關(guān)鍵詞：非線性度量學(xué)習(xí)算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著網(wǎng)絡(luò)技術(shù)的飛速發(fā)展,互聯(lián)網(wǎng)的應(yīng)用范圍正變得越來越廣泛。人們每天從互聯(lián)網(wǎng)上獲取大量信息,從互聯(lián)網(wǎng)海量復(fù)雜信息中查找所需的信息也變得越來越重要。當(dāng)前線上信息大體可以分為兩類,一類是基于文本的信息,另一類是圖像、音頻等多媒體信息。國內(nèi)外許多學(xué)者都對這兩種信息的提取方法進(jìn)行了研究。當(dāng)前,從大量的文本中獲取所需信息已經(jīng)相對比較成熟,然而如何從圖像中獲取信息幾乎沒有成熟的應(yīng)用。度量學(xué)習(xí)是一類通過學(xué)習(xí)樣本空間內(nèi)的度量函數(shù)改變樣本間原有的相似性關(guān)系的算法,其在人臉鑒別、分類等方面有著重要的應(yīng)用價(jià)值。目前度量學(xué)習(xí)可分為線性和非線性兩大研究方向。線性方法的基本原理是在所有可能的馬氏距離中尋找合適的距離使目標(biāo)損失函數(shù)最小化。非線性算法一般可根據(jù)理論基礎(chǔ)分為基于核函數(shù)的方法、基于變換以及基于流形理論的方法等幾種方法。本文介紹了幾種經(jīng)典的度量學(xué)習(xí)算法,分析了現(xiàn)有的度量學(xué)習(xí)算法,并展開如下研究:(1)本文總結(jié)了基于非線性距離的度量學(xué)習(xí)算法,對線性變換加非線性度量這類度量學(xué)習(xí)模式加以研究,歸納出針對該種類型算法的通用框架。在此框架之上,具體的提出了線性感知機(jī)度量學(xué)習(xí)算法和SigmoidML算法并與原有的框架內(nèi)的算法進(jìn)行了實(shí)驗(yàn)比較。(2)本文還利用黎曼幾何的基本概念,在特征空間上建立度量張量和相應(yīng)地測地線距離。通過優(yōu)化度量張量得到近似最優(yōu)的測地線距離。為了降低測地線距離的計(jì)算復(fù)雜度,本文還將研究相應(yīng)地簡化方案和快速算法,以使得該算法更具有實(shí)用性。對比實(shí)驗(yàn)說明,該算法相對于諸多流行的度量學(xué)習(xí)算法可以有效改善實(shí)驗(yàn)效果。
【關(guān)鍵詞】：非線性度量學(xué)習(xí) 測地線距離 人臉鑒別
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP181;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-12
• 1.1 研究背景9-10
• 1.2 研究目標(biāo)10
• 1.3 研究意義10
• 1.4 論文結(jié)構(gòu)及章節(jié)安排10-12
• 第2章 度量學(xué)習(xí)方法研究現(xiàn)狀12-29
• 2.1 引言12
• 2.2 度量學(xué)習(xí)方法研究現(xiàn)狀12-16
• 2.3 線性度量學(xué)習(xí)算法16-21
• 2.3.1 基本概念及方法17-18
• 2.3.2 Xing方法18-19
• 2.3.3 ITML19-20
• 2.3.4 LMNN20-21
• 2.4 非線性度量學(xué)習(xí)21-28
• 2.4.1 當(dāng)前現(xiàn)狀21-22
• 2.4.2 核方法22-24
• 2.4.3 χ2-LMNN算法24-25
• 2.4.4 GB-LMNN算法25-28
• 2.5 小結(jié)28-29
• 第3章 基于非線性距離的度量學(xué)習(xí)算法框架29-38
• 3.1 引言29
• 3.2 前人相關(guān)方法分析29-30
• 3.2.1 LDML算法[8]29
• 3.2.2 cosine度量學(xué)習(xí)算法[7]29-30
• 3.3 基于非線性距離的度量學(xué)習(xí)框架30-34
• 3.3.1 基于線性感知機(jī)的度量學(xué)習(xí)算法31-32
• 3.3.2 Sigmoid度量學(xué)習(xí)算法（SigmoidML）32-34
• 3.4 實(shí)驗(yàn)及分析34-36
• 3.4.1 數(shù)據(jù)集，實(shí)驗(yàn)的建立和特征34
• 3.4.2 性能對比與分析——人臉鑒別實(shí)驗(yàn)34-35
• 3.4.3 性能對比與分析——分類實(shí)驗(yàn)35-36
• 3.5 小結(jié)36-38
• 第4章 基于測地線距離的非線性度量學(xué)習(xí)算法38-47
• 4.1 引言38
• 4.2 理論分析38-39
• 4.3 算法39-42
• 4.4 實(shí)驗(yàn)及分析42-45
• 4.4.1 分類實(shí)驗(yàn)42-43
• 4.4.2 鑒別實(shí)驗(yàn)43-45
• 4.5 小結(jié)45-47
• 第5章 總結(jié)與展望47-49
• 5.1 本文工作總結(jié)47
• 5.2 未來工作展望47-49
• 參考文獻(xiàn)49-53
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單53-54
• 致謝54

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳華;吳文玲;馮登國;;提高S盒非線性度的有效算法[J];計(jì)算機(jī)科學(xué);2005年10期

2 于亦舟;歐海文;;兩種提高雙射S盒非線性度的方法及其比較[J];中國新通信;2007年03期

3 于亦舟;歐海文;;一種改善雙射S盒非線性度的方法[J];微計(jì)算機(jī)信息;2007年18期

4 付紹靜;李超;董德帥;;高非線性度彈性S盒的構(gòu)造[J];國防科技大學(xué)學(xué)報(bào);2009年02期

5 王林;譙通旭;趙偉;劉瑤;;關(guān)于完全非線性函數(shù)的非線性度的界[J];信息安全與通信保密;2011年11期

6 馮登國;嚴(yán)格擇多邏輯函數(shù)的非線性度[J];電子科技雜志;1994年01期

7 田海建,楊義先;K次非線性度及其性質(zhì)[J];通信保密;1996年02期

8 蔣華;戚文峰;;高非線性度向量彈性函數(shù)[J];武漢大學(xué)學(xué)報(bào)(理學(xué)版);2007年05期

9 孫海燕;范安東;程征;;有限域上多值邏輯函數(shù)非線性度的幾個(gè)結(jié)論[J];海南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年04期

10 高勝;馬文平;郭娜;嚴(yán)亞俊;;一種提高S盒非線性度的新算法[J];西安電子科技大學(xué)學(xué)報(bào);2010年06期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 孟強(qiáng);陳魯生;符方偉;;代數(shù)免疫度與非線性度之間的關(guān)系[A];中國電子學(xué)會(huì)第十五屆信息論學(xué)術(shù)年會(huì)暨第一屆全國網(wǎng)絡(luò)編碼學(xué)術(shù)年會(huì)論文集（上冊）[C];2008年

2 申艷光;司春景;;關(guān)于提高一類Bent函數(shù)的非線性度的研究[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)——通信與信息技術(shù)會(huì)議論文集（下）[C];2006年

3 段明;吳茜瓊;;一種代數(shù)免疫函數(shù)的構(gòu)造方法[A];中國數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會(huì)第十二屆學(xué)術(shù)年會(huì)論文集[C];2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 殷良鷹;非線性度量學(xué)習(xí)算法研究[D];北京理工大學(xué);2016年

2 孫曉峰;高非線性度彈性函數(shù)的性質(zhì)與構(gòu)造[D];西安電子科技大學(xué);2010年

3 劉曉慶;高非線性度彈性函數(shù)的構(gòu)造與分析[D];西安電子科技大學(xué);2013年

4 程遠(yuǎn)林;基于L-DVV方法的時(shí)間序列非線性度測量方法研究及應(yīng)用[D];吉林大學(xué);2013年

5 李小偉;布爾函數(shù)非線性度分析及其在密碼學(xué)中的應(yīng)用[D];成都理工大學(xué);2012年

6 高斌;大容量火電機(jī)組非線性度研究[D];華北電力大學(xué)（河北）;2005年

7 翟黎;S-盒的演化設(shè)計(jì)[D];華中科技大學(xué);2009年

8 郭腓望;低差分一致性函數(shù)的構(gòu)造和性質(zhì)分析[D];解放軍信息工程大學(xué);2011年

9 王彥平;偶特征域上的兩類低差分置換多項(xiàng)式[D];湖北大學(xué);2014年

  本文關(guān)鍵詞：非線性度量學(xué)習(xí)算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：337447