發(fā)布時(shí)間：2021-01-17 17:33

　　在現(xiàn)實(shí)應(yīng)用中,高維數(shù)據(jù)大量增長(zhǎng),因此如何處理高維數(shù)據(jù)成為模式識(shí)別、機(jī)器學(xué)習(xí)中的一個(gè)熱門研究領(lǐng)域。一方面在現(xiàn)實(shí)應(yīng)用系統(tǒng)中,直接處理高維數(shù)據(jù),導(dǎo)致計(jì)算復(fù)雜度高和存儲(chǔ)空間大,甚至?xí)䦷頋撛诘摹熬S度災(zāi)難”和過擬合問題;另一方面在高維數(shù)據(jù)中存在大量不相關(guān)、冗余的特征會(huì)影響數(shù)據(jù)的分類。上述兩方面說明對(duì)高維數(shù)據(jù)進(jìn)行降維處理是十分有必要的。降維的目的是找到高維數(shù)據(jù)的低維表達(dá),其中研究表明圖嵌入是降維的有效方法之一。本文提出了三種特征提取方法處理高維數(shù)據(jù),主要研究工作和創(chuàng)新如下:（1）在已有的圖嵌入方法中幾乎沒有直接考慮每個(gè)樣本的幾何分布來表示鄰接圖的權(quán)重。事實(shí)上,數(shù)據(jù)特征空間中的每個(gè)樣本都有不同的幾何分布,鄰接圖中的權(quán)重應(yīng)該由樣本的幾何位置來確定。為了克服已有方法中存在的不足,提出了一種新穎的方法稱作可鑒別全局與局部保持圖嵌入方法（Discriminative Globality and Locality Preserving Graph Embedding,DGLPGE）。在DGLPGE中,在構(gòu)造全局和局部鄰接圖時(shí),充分考慮了樣本的可鑒別性信息和幾何分布,目的是保存樣本固有的幾何結(jié)構(gòu)和可鑒別結(jié)構(gòu)。其... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

DGLPGE基本思想示意圖

江蘇大學(xué)工程碩士學(xué)位論文25（a）LPP（b）LDNE（c）DSPGE（d）DGLPGE圖3.3二維子空間中一個(gè)高維數(shù)據(jù)的示例3.2DGLPGE實(shí)驗(yàn)3.2.1數(shù)據(jù)集介紹在本小節(jié)中，簡(jiǎn)要介紹實(shí)驗(yàn)中使用的所有數(shù)據(jù)集。首先介紹6個(gè)公共人臉數(shù)據(jù)庫(kù)，包括ORL[79]、AR[80]、GT[81]、IMM[82]、FEI[83]和Yale[84]。ORL人臉數(shù)據(jù)集包含從40個(gè)對(duì)象中提取的400個(gè)人臉圖像樣本，每個(gè)樣本有10個(gè)人臉圖像。圖3.4（a）給出了ORL中某一類部分圖像示例。AR人臉數(shù)據(jù)集包含來自126名對(duì)象的大約4000張人臉圖像，其中70名男性和56名女性。本章使用AR中一個(gè)子集，共1400張來自50名男性和50名女性的面部圖像，每個(gè)對(duì)象有14張面部圖像，圖3.4（b）給出了AR中某一類部分圖像示例。GT人臉數(shù)據(jù)集包含來自50個(gè)對(duì)象的750個(gè)人臉圖像，每個(gè)對(duì)象有15張，圖3.4（c）給出了GT中某一類部分圖像示例。IMM人臉數(shù)據(jù)集包含來自40個(gè)對(duì)象的240個(gè)面部圖像，每

江蘇大學(xué)工程碩士學(xué)位論文29（a）ORL（l=5）（b）GT（l=7）（c）AR（l=7）（d）IMM（l=2）（e）FEI（l=5）（f）Yale（l=5）圖3.5在不同數(shù)據(jù)集上不同q值對(duì)于DGPGE分類效果的影響（a）ORL（l=5）（b）GT（l=7）（c）AR（l=7）（d）IMM（l=2）（e）FEI（l=5）（f）Yale（l=5）圖3.6在不同數(shù)據(jù)集上不同k值對(duì)DLPGE分類效果的影響同樣的道理，在ORL數(shù)據(jù)集上為l=7，AR數(shù)據(jù)集上l=9，GT數(shù)據(jù)集上l=9，F(xiàn)EI數(shù)據(jù)集上l=7，Yale數(shù)據(jù)集上l=5，DLPGE取得最佳分類效果時(shí)，k的取值是3而在IMM數(shù)據(jù)集上l=3時(shí)，DLPGE取得最佳分類效果時(shí)，k的取值是9。


本文編號(hào)：2983301