現(xiàn)有的圖像聚類方法以數(shù)據(jù)全局線性分布為前提,利用先驗(yàn)約束估計(jì)未標(biāo)記數(shù)據(jù)點(diǎn)的低維子空間,并將其聚類到相應(yīng)簇中,因此對(duì)非線性結(jié)構(gòu)的數(shù)據(jù)處理存在一定缺陷。受啟發(fā)于深度學(xué)習(xí)以其強(qiáng)大的非線性學(xué)習(xí)表征能力在眾多應(yīng)用中取得巨大成功,提出一種基于正則化約束自編碼器的深度圖像聚類算法。首先,在數(shù)據(jù)的稀疏表示中加入熵正則化約束,利用最大信息熵構(gòu)造相似矩陣。圖像的信息熵越大,用來對(duì)圖像進(jìn)行提取的特征就越多。然后將流形正則化信息與成對(duì)約束相結(jié)合,在自編碼器中嵌入聯(lián)合正則項(xiàng)進(jìn)行訓(xùn)練,利用已知的半監(jiān)督信息引導(dǎo)聚類過程。該方法一方面在學(xué)習(xí)數(shù)據(jù)的低維表示時(shí)同時(shí)保留數(shù)據(jù)的可重構(gòu)性和局部流形結(jié)構(gòu)的全局特征,另一方面將已知樣本間的成對(duì)約束信息融入目標(biāo)優(yōu)化設(shè)計(jì),使學(xué)習(xí)到的低維特征更具有判別性,這在一定程度上提高了算法的聚類效果。為了驗(yàn)證本文提出的圖像聚類算法的性能,在4個(gè)數(shù)據(jù)集上對(duì)本文提出的算法和其它7種測(cè)試程序進(jìn)行驗(yàn)證,并分析了正則項(xiàng)參數(shù)對(duì)深度圖像聚類算法的影響。實(shí)驗(yàn)結(jié)果表明,本文提出的深度圖像聚類算法與傳統(tǒng)的圖像聚類算法的聚類精度相比提高了約三個(gè)百分點(diǎn),說明使用深度學(xué)習(xí)提取到的特征在某種程度上更加適合聚類;并與其它深度圖... 

【文章來源】：遼寧工程技術(shù)大學(xué)遼寧省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
致謝
摘要
abstract
變量注釋表
1 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文的研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 相關(guān)理論基礎(chǔ)
    2.1 數(shù)據(jù)預(yù)處理
    2.2 半監(jiān)督聚類算法研究
    2.3 深度圖像聚類算法發(fā)展趨勢(shì)
    2.4 本章小結(jié)
3 流形與成對(duì)約束聯(lián)合正則化的深度圖像聚類算法
    3.1 基于最大熵約束的稀疏表示框架
    3.2 正則化約束自編碼器網(wǎng)絡(luò)模型
    3.3 損失函數(shù)及優(yōu)化過程
    3.4 算法實(shí)現(xiàn)步驟與設(shè)計(jì)流程
    3.5 本章小節(jié)
4 實(shí)驗(yàn)及結(jié)果分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)及評(píng)價(jià)指標(biāo)
    4.2 實(shí)驗(yàn)參數(shù)設(shè)置
    4.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]流形學(xué)習(xí)與成對(duì)約束聯(lián)合正則化非負(fù)矩陣分解[J]. 曹佳偉,錢鵬江.  計(jì)算機(jī)科學(xué)與探索. 2020(07)
[2]分類稀疏低秩表示的子空間聚類方法[J]. 李占芳,李慧云,劉新為.  系統(tǒng)科學(xué)與數(shù)學(xué). 2018(08)
[3]局部加權(quán)最小二乘回歸的重疊子空間聚類算法[J]. 邱云飛,費(fèi)博雯,劉大千.  模式識(shí)別與人工智能. 2018(02)
[4]局部約束加強(qiáng)的最小二乘回歸子空間聚類[J]. 趙劍,吳小俊,董文華.  模式識(shí)別與人工智能. 2017(10)
[5]基于成對(duì)約束的交叉熵半監(jiān)督聚類算法[J]. 李晁銘,徐圣兵,郝志峰.  模式識(shí)別與人工智能. 2017(07)
[6]基于l2范數(shù)的加權(quán)低秩子空間聚類[J]. 傅文進(jìn),吳小俊.  軟件學(xué)報(bào). 2017 (12)
[7]稀疏子空間聚類綜述[J]. 王衛(wèi)衛(wèi),李小平,馮象初,王斯琪.  自動(dòng)化學(xué)報(bào). 2015(08)
[8]基于成對(duì)約束的主動(dòng)學(xué)習(xí)半監(jiān)督譜聚類[J]. 蔣偉進(jìn),許宇暉,王欣.  系統(tǒng)科學(xué)與數(shù)學(xué). 2013(06)



本文編號(hào)：3499470