在最近幾十年中人工智能領(lǐng)域獲得了長足的發(fā)展,圖像識別作為人工智能領(lǐng)域的最為重要應(yīng)用之一逐漸深入各種生活場景,給人們的日常生活帶來了極大的便利�；谧值鋵W(xué)習(xí)的分類算法是圖像識別方法中備受關(guān)注的研究方向之一。字典學(xué)習(xí)是一種重要的表達(dá)學(xué)習(xí)方法。在早先很多關(guān)于字典學(xué)習(xí)的研究中,研究者們借助字典學(xué)習(xí)所具有的生成模型的屬性,利用過完備字典以及圖像在其上的稀疏表達(dá)系數(shù)進(jìn)行圖像重建。然而,字典學(xué)習(xí)模型中的稀疏表達(dá)系數(shù)與對應(yīng)的字典項同樣也是優(yōu)秀的特征,因此基于字典學(xué)習(xí)的圖像分類算法逐漸獲得了研究者們的關(guān)注。基于字典學(xué)習(xí)的圖像分類算法依賴于具有優(yōu)秀結(jié)構(gòu)的字典,模型中字典需要保留數(shù)據(jù)集中最具代表性且最為關(guān)鍵的信息。此外,現(xiàn)有的基于字典學(xué)習(xí)的分類方法受限于傳統(tǒng)字典學(xué)習(xí)低下的計算效率而難以應(yīng)付許多實際應(yīng)用場景。本文提出了一種新穎的判別字典學(xué)習(xí)網(wǎng)絡(luò)框架,利用生成字典學(xué)習(xí)模型與神經(jīng)網(wǎng)絡(luò)模型協(xié)同學(xué)習(xí)一個具有特殊結(jié)構(gòu)的字典,該字典同時捕獲判別性信息與重構(gòu)細(xì)節(jié)所需的描述性信息。判別性字典學(xué)習(xí)網(wǎng)絡(luò)模型非常靈活,在快速推斷測試樣本標(biāo)簽的同時可以加速求解稀疏編碼過程。更為重要的是,學(xué)得的字典剝離了圖片細(xì)節(jié)信息與判別性信息,這使...

【文章頁數(shù)】：89 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 現(xiàn)存的問題及論文的研究內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
第2章 字典學(xué)習(xí)相關(guān)方法概述
    2.1 字典學(xué)習(xí)的基本框架
    2.2 稀疏編碼方法
        2.2.1 L₀范數(shù)最小化稀疏約束
        2.2.2 L₁范數(shù)最小化稀疏約束
        2.2.3 其他范數(shù)約束問題
    2.3 字典構(gòu)造方法
        2.3.1 基于概率模型的字典構(gòu)造方法
        2.3.2 基于聚類的字典構(gòu)造方法
        2.3.3 具有特定結(jié)構(gòu)的字典構(gòu)造方法
    2.4 基于字典學(xué)習(xí)的分類方法
        2.4.1 利用稀疏編碼分類
        2.4.2 利用重構(gòu)字典分類
        2.4.3 結(jié)合兩種分類策略
    2.5 字典學(xué)習(xí)參數(shù)化研究
    2.6 本章小結(jié)
第3章 判別字典學(xué)習(xí)參數(shù)化模型研究
    3.1 引言
    3.2 判別字典學(xué)習(xí)參數(shù)化框架
        3.2.1 字典學(xué)習(xí)框架解構(gòu)
        3.2.2 構(gòu)建判別字典學(xué)習(xí)參數(shù)化框架
    3.3 基于L₀范數(shù)約束的判別字典學(xué)習(xí)網(wǎng)絡(luò)模型
        3.3.1 判別字典學(xué)習(xí)模塊
        3.3.2 預(yù)測編碼模塊
        3.3.3 DDL_N-L₀最終模型
        3.3.4 模型優(yōu)化求解
    3.4 基于L₁范數(shù)約束的判別字典學(xué)習(xí)網(wǎng)絡(luò)模型
        3.4.1 判別字典學(xué)習(xí)模塊
        3.4.2 預(yù)測編碼模塊
        3.4.3 DDL_N-L₁最終模型
        3.4.4 模型優(yōu)化求解
    3.5 實驗及相關(guān)分析
        3.5.1 實驗參數(shù)設(shè)置
        3.5.2 實驗結(jié)果及分析
    3.7 本章小結(jié)
第4章 基于擬夢境機制的DDL_N訓(xùn)練方法研究
    4.1 引言
    4.2 擬夢境方法
        4.2.1 關(guān)于UPKC的討論
        4.2.2 擬夢境方法
    4.3 擬夢境訓(xùn)練實驗
        4.3.1 實驗參數(shù)設(shè)置
        4.3.2 實驗結(jié)果及分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3780487