高維數(shù)據(jù)是高新科學(xué)技術(shù)的重要產(chǎn)物,由于科學(xué)技術(shù)的進(jìn)步使得高維數(shù)據(jù)收集變得越來越容易,如生物基因數(shù)據(jù)、市場經(jīng)濟(jì)數(shù)據(jù)、文本文檔數(shù)據(jù)、數(shù)字圖像數(shù)據(jù)等,這些數(shù)據(jù)蘊藏的巨大價值已經(jīng)逐漸被人們認(rèn)可.然而直接對高維數(shù)據(jù)進(jìn)行處理是很困難的,非線性降維技術(shù)作為數(shù)據(jù)挖掘應(yīng)對海量高維數(shù)據(jù)的一種非常重要的數(shù)據(jù)預(yù)處理方法,對這些數(shù)據(jù)進(jìn)行有效降維之后可以將高維數(shù)據(jù)轉(zhuǎn)換為一個更緊湊的低維表示,從而得到隱藏在高維數(shù)據(jù)集中有意義的低維數(shù)據(jù)結(jié)構(gòu),提取出數(shù)據(jù)主干信息.因此,要研究出高效、準(zhǔn)確的高維數(shù)據(jù)非線性降維方法具有重要的理論意義和實際應(yīng)用價值.本文主要在參與高維數(shù)據(jù)的非線性降維改進(jìn)方法理論研究的同時,結(jié)合人臉圖像數(shù)據(jù),開展以下三個方面的研究工作:1.針對局部線性嵌入算法中歐氏距離不適用于非線性高維數(shù)據(jù)近鄰點的查找等缺點,結(jié)合測地線距離和Rank-order距離各自特點提出了基于Geodesic Rank-order距離的局部線性嵌入算法,并通過ORL人臉數(shù)據(jù)庫和Yale人臉數(shù)據(jù)庫上的對比實驗驗證了該算法的優(yōu)越性.2.利用部分樣本的類標(biāo)簽信息重新調(diào)整相似性度量方式,提出了基于測地線距離的類標(biāo)簽信息半監(jiān)督局部線性嵌入算法,... 

【文章來源】：湖南大學(xué)湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

單隱層前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

LLE算法具體步驟（3）求低維嵌入Y通過得到的權(quán)值矩陣W，找到每個數(shù)據(jù)點的低維嵌入坐標(biāo)dyR，使重構(gòu)誤差

半監(jiān)督學(xué)習(xí)流程圖

【參考文獻(xiàn)】：
期刊論文
[1]改進(jìn)重構(gòu)權(quán)值的局部線性嵌入算法[J]. 劉方原,夏克文,牛文佳.  中國圖象圖形學(xué)報. 2018 (01)
[2]基于RPCA對高維數(shù)據(jù)子空間聚類的預(yù)測方法[J]. 呂紅偉,王士同.  計算機(jī)工程與科學(xué). 2017(03)
[3]基于Log-Gabor濾波與黎曼流形學(xué)習(xí)的圖像識別算法[J]. 劉元,吳小俊.  模式識別與人工智能. 2015(10)
[4]基于測地距離與極限學(xué)習(xí)機(jī)的監(jiān)督型LLE算法研究[J]. 金偉,何靈敏,楊小兵,王康健.  計算機(jī)應(yīng)用與軟件. 2015(07)
[5]半監(jiān)督學(xué)習(xí)方法[J]. 劉建偉,劉媛,羅雄麟.  計算機(jī)學(xué)報. 2015(08)
[6]半監(jiān)督局部線性嵌入算法在人臉識別中的應(yīng)用[J]. 沈杰,楊月全,王正群,唐擁政,王明輝.  鹽城工學(xué)院學(xué)報(自然科學(xué)版). 2014(02)
[7]基于流形學(xué)習(xí)的基因微陣列數(shù)據(jù)分類方法[J]. 李強(qiáng),石陸魁,劉恩海,王歌.  鄭州大學(xué)學(xué)報(工學(xué)版). 2012(05)
[8]半監(jiān)督降維方法的實驗比較[J]. 陳詩國,張道強(qiáng).  軟件學(xué)報. 2011(01)
[9]基于流形學(xué)習(xí)的基因表達(dá)譜數(shù)據(jù)可視化[J]. 肖傳樂,曹槐.  生物信息學(xué). 2009(01)
[10]基于半監(jiān)督流形學(xué)習(xí)的人臉識別方法[J]. 黃鴻,李見為,馮海亮.  計算機(jī)科學(xué). 2008(12)

碩士論文
[1]高維數(shù)據(jù)降維及其在圖像識別中的應(yīng)用[D]. 甘炎靈.華中師范大學(xué) 2017
[2]局部線性嵌入算法的改進(jìn)及其在人臉識別中的應(yīng)用[D]. 張強(qiáng).重慶理工大學(xué) 2017
[3]高維數(shù)據(jù)聚類中的神經(jīng)網(wǎng)絡(luò)降維方法研究[D]. 侯小麗.蘭州大學(xué) 2015
[4]監(jiān)督型流形學(xué)習(xí)在模式識別中的研究[D]. 金偉.中國計量學(xué)院 2015
[5]半監(jiān)督流形學(xué)習(xí)算法研究和應(yīng)用[D]. 李昱.西安電子科技大學(xué) 2010



本文編號：3057466