高維特征的數(shù)據(jù)分析是當(dāng)前數(shù)據(jù)挖掘和計(jì)算機(jī)視覺研究的熱點(diǎn),然而高維數(shù)據(jù)的維度災(zāi)難導(dǎo)致數(shù)據(jù)分析過程較為困難,且分析的結(jié)果往往不可靠。子空間學(xué)習(xí)方法通過將高維的人臉圖像投影到其低維的子空間,最大程度保留高維數(shù)據(jù)之間的有效信息。將數(shù)據(jù)的低維子空間信息存儲(chǔ)在表示矩陣中,用于進(jìn)一步的數(shù)據(jù)分析和挖掘,可以獲得較好的分類性能和計(jì)算復(fù)雜度。然而,傳統(tǒng)子空間的學(xué)習(xí)方法無法避免數(shù)據(jù)噪聲和異常值的影響,如何設(shè)計(jì)一個(gè)高性能的魯棒模型并進(jìn)行后續(xù)的數(shù)據(jù)分析,如人臉圖像分類,是本文研究的重點(diǎn)�；诘椭缺硎镜淖涌臻g算法模型被廣泛地用于從含有噪聲和異常值的高維數(shù)據(jù)中恢復(fù)出本質(zhì)的干凈數(shù)據(jù)。本文通過對(duì)低秩理論的研究,提出了基于低秩表示的魯棒回歸模型,包括LR-RRM和其拓展模型LR-RRM_Sp。本文的主要工作和創(chuàng)新點(diǎn)概括如下:首先,提出了LR-RRM模型,用于學(xué)習(xí)高維數(shù)據(jù)中低秩子空間結(jié)構(gòu),提高回歸的魯棒性。主要?jiǎng)?chuàng)新點(diǎn)在于同時(shí)進(jìn)行低秩子空間恢復(fù)和回歸模型的學(xué)習(xí),在該模型中通過低秩約束可以準(zhǔn)確地學(xué)習(xí)全局多子空間結(jié)構(gòu),同時(shí)以有監(jiān)督的方式進(jìn)行干凈數(shù)據(jù)與噪聲數(shù)據(jù)的分離,使得重構(gòu)的干凈數(shù)據(jù)可以保留與標(biāo)簽信息有最大相... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1兩個(gè)人的人臉圖像通過多個(gè)低維子空間近似表示Figure2-1Faceimagesfromtwoindividualscanbeapproximatedbymultiplelowdimensional

LR-RRM損失函數(shù)的收斂曲線

AR數(shù)據(jù)集人臉圖像

【參考文獻(xiàn)】：
期刊論文
[1]基于鑒別性低秩表示及字典學(xué)習(xí)的魯棒人臉識(shí)別算法[J]. 趙雯,吳小俊.  計(jì)算機(jī)應(yīng)用研究. 2017(10)
[2]Fisher線性鑒別分析的理論研究及其應(yīng)用[J]. 楊健,楊靜宇,葉暉.  自動(dòng)化學(xué)報(bào). 2003(04)

碩士論文
[1]基于低秩和光滑先驗(yàn)的圖像修補(bǔ)算法研究[D]. 邱一芳.西南大學(xué) 2018
[2]面向子空間學(xué)習(xí)的特征表示與圖構(gòu)建方法研究[D]. 李苗.西安電子科技大學(xué) 2018
[3]自編碼正則化時(shí)間配準(zhǔn)算法研究[D]. 聶利權(quán).國防科學(xué)技術(shù)大學(xué) 2017
[4]改進(jìn)的低秩張量補(bǔ)全算法及應(yīng)用[D]. 劉慧梅.西安建筑科技大學(xué) 2016



本文編號(hào)：3612653