隨著社會(huì)信息化程度的提高,網(wǎng)絡(luò)上的數(shù)據(jù)規(guī)模每時(shí)每刻都在持續(xù)增加,人們討論的熱點(diǎn)問題也在不斷變化。為了有效地處理和認(rèn)知這些新增數(shù)據(jù),利用其中隱含的有價(jià)值信息,人們越來越需要一種功能更為完善的分類方法。在有監(jiān)督學(xué)習(xí)領(lǐng)域,傳統(tǒng)基于概率統(tǒng)計(jì)學(xué)的多分類模型大多僅局限于一個(gè)預(yù)先規(guī)定數(shù)據(jù)集,若要使訓(xùn)練好的模型能夠識別一個(gè)新的類則需要將模型的全部參數(shù)重新訓(xùn)練,這對于算法的實(shí)際應(yīng)用來說是不合理的。因此一個(gè)可以隨時(shí)添加新類別的多分類模型是人們所需要的,在有監(jiān)督學(xué)習(xí)的前提下它能夠根據(jù)新樣本的特點(diǎn)做出一定改變從而可以對新樣本中蘊(yùn)涵的信息進(jìn)行學(xué)習(xí)完成分類,此外這種改變的代價(jià)應(yīng)低于重新訓(xùn)練整個(gè)模型。這種學(xué)習(xí)模式與人類自學(xué)習(xí)的過程也較為類似,所以具備很高的研究意義和前途。本篇論文在圖像分類領(lǐng)域提出一種多分類優(yōu)化方法,它在保證一定的分類識別精度的前提下,還能夠?qū)崿F(xiàn)上述功能。本文使用約束狀態(tài)拍攝的虹膜圖像作為多分類實(shí)驗(yàn)數(shù)據(jù),利用分而治之的理念將一個(gè)復(fù)雜多分類問題轉(zhuǎn)換為多個(gè)簡單二分類問題,從而提升模型的靈活性,為了保證圖像分類模型的整體性能結(jié)合了人工神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力。具體來說,本篇文章將一種Hadamard糾錯(cuò)... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

CASIA虹膜庫示例

第1章緒論63.0、JLU-4.0、JLU-5.0和JLU-6.0。通過多年來的積累對采集，完整庫中約包含數(shù)百受試者的數(shù)十萬張虹膜圖像。其中幾種類型的虹膜如圖1.2所示：JLU-1.0JLU-2.0JLU-3.0JLU-4.0JLU-5.0JLU-6.0圖1.2JLU虹膜庫示例1.4.4其他虹膜庫除以上詳細(xì)說明的之外還有另外幾個(gè)國際機(jī)構(gòu)公開的虹膜庫[35]可供使用。英國巴斯大學(xué)公開的虹膜庫樣本，如圖1.3所示：圖1.3巴斯虹膜庫樣本葡萄牙貝拉英特拉大學(xué)UBIRIS虹膜圖像庫，示例如圖1.4所示：圖1.4UBIRIS虹膜庫樣本

第1章緒論63.0、JLU-4.0、JLU-5.0和JLU-6.0。通過多年來的積累對采集，完整庫中約包含數(shù)百受試者的數(shù)十萬張虹膜圖像。其中幾種類型的虹膜如圖1.2所示：JLU-1.0JLU-2.0JLU-3.0JLU-4.0JLU-5.0JLU-6.0圖1.2JLU虹膜庫示例1.4.4其他虹膜庫除以上詳細(xì)說明的之外還有另外幾個(gè)國際機(jī)構(gòu)公開的虹膜庫[35]可供使用。英國巴斯大學(xué)公開的虹膜庫樣本，如圖1.3所示：圖1.3巴斯虹膜庫樣本葡萄牙貝拉英特拉大學(xué)UBIRIS虹膜圖像庫，示例如圖1.4所示：圖1.4UBIRIS虹膜庫樣本

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)激活函數(shù)的用于臺風(fēng)等級分類的深度學(xué)習(xí)模型[J]. 鄭宗生,劉兆榮,黃冬梅,宋巍,鄒國良,侯倩,郝劍波.  計(jì)算機(jī)科學(xué). 2018(12)
[2]多層前向人工神經(jīng)網(wǎng)絡(luò)圖像分類算法[J]. 顧哲彬,曹飛龍.  計(jì)算機(jī)科學(xué). 2018(S2)
[3]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統(tǒng). 2018(02)
[4]基于多屬性聯(lián)合的樸素貝葉斯分類算法[J]. 謝小軍,陳光喜.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(12)
[5]基于近鄰分類的增量學(xué)習(xí)分類算法研究[J]. 葉青,盧梓豪,周潔,宋贊.  計(jì)算機(jī)工程與應(yīng)用. 2016(20)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的正則化方法[J]. 呂國豪,羅四維,黃雅平,蔣欣蘭.  計(jì)算機(jī)研究與發(fā)展. 2014(09)
[7]基于增量式GHSOM神經(jīng)網(wǎng)絡(luò)模型的入侵檢測研究[J]. 楊雅輝,黃海珍,沈晴霓,吳中海,張英.  計(jì)算機(jī)學(xué)報(bào). 2014(05)
[8]基于增量學(xué)習(xí)SVM的人臉識別[J]. 呂俊亞,韓忠軍.  計(jì)算機(jī)工程與科學(xué). 2010(06)
[9]一種多輸出支持向量機(jī)的增量學(xué)習(xí)算法[J]. 趙耀紅,鐘萍,王來生.  計(jì)算機(jī)應(yīng)用與軟件. 2010(06)
[10]人工神經(jīng)網(wǎng)絡(luò)技術(shù)發(fā)展綜述[J]. 陳格.  中國科技信息. 2009(17)

博士論文
[1]基于二維Gabor濾波的虹膜特征表達(dá)及識別方法研究[D]. 霍光.吉林大學(xué) 2016

碩士論文
[1]支持向量機(jī)多類分類算法的研究及應(yīng)用[D]. 黃瓊英.河北工業(yè)大學(xué) 2005



本文編號：3495370