隨著信息技術(shù)的發(fā)展,同一對(duì)象可通過(guò)多特征或多源域數(shù)據(jù)描述,這樣的數(shù)據(jù)被稱為多視角數(shù)據(jù)。與單視角數(shù)據(jù)相比,多視角數(shù)據(jù)能夠反映對(duì)象的不同特性,包含的信息更豐富。然而在許多實(shí)際應(yīng)用中,多視角數(shù)據(jù)具有高維度的特性,直接使用多視角數(shù)據(jù)一方面存儲(chǔ)、傳輸成本高,數(shù)據(jù)挖掘效率低,另一方面隨著數(shù)據(jù)維數(shù)的增加,數(shù)據(jù)的運(yùn)算量會(huì)呈指數(shù)倍增長(zhǎng),產(chǎn)生“維數(shù)災(zāi)難”問(wèn)題。多視角數(shù)據(jù)降維已成為機(jī)器學(xué)習(xí)領(lǐng)域的熱點(diǎn)研究方向之一。目前多視角數(shù)據(jù)降維的研究還存在以下不足:(1)已有算法側(cè)重學(xué)習(xí)多視角數(shù)據(jù)的低維公共空間,該空間無(wú)法同時(shí)包含多視角數(shù)據(jù)的公共信息和互補(bǔ)信息;(2)已有算法沒有在多視角數(shù)據(jù)上實(shí)現(xiàn)判別局部對(duì)齊,多視角低維空間的判別性有待加強(qiáng);(3)實(shí)際應(yīng)用中面臨標(biāo)記樣本不足的問(wèn)題,需要建立更符合實(shí)際應(yīng)用的多視角數(shù)據(jù)降維算法。為解決上述問(wèn)題,本文以近年來(lái)發(fā)展的多視角子空間學(xué)習(xí)和數(shù)據(jù)降維方法為基礎(chǔ),重點(diǎn)探究多視角數(shù)據(jù)降維算法及其在高光譜圖像分類中的應(yīng)用,主要研究?jī)?nèi)容和工作包括以下幾個(gè)方面:1.針對(duì)在低維空間中同時(shí)保持多視角數(shù)據(jù)公共信息和互補(bǔ)信息的問(wèn)題,結(jié)合近鄰關(guān)系,提出了基于局部近鄰對(duì)齊的無(wú)監(jiān)督多視角數(shù)據(jù)降維算法。該算法首先...

【文章頁(yè)數(shù)】：134 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文的研究?jī)?nèi)容
    1.4 本文的章節(jié)安排
2 基于局部近鄰對(duì)齊的無(wú)監(jiān)督多視角數(shù)據(jù)降維
    2.1 引言
    2.2 相關(guān)工作
    2.3 多視角低維充分空間學(xué)習(xí)模型的建立
    2.4 基于局部近鄰對(duì)齊的無(wú)監(jiān)督多視角數(shù)據(jù)降維算法
    2.5 算法的求解與復(fù)雜度分析
    2.6 實(shí)驗(yàn)分析
    2.7 本章小結(jié)
3 基于判別局部對(duì)齊的有監(jiān)督多視角數(shù)據(jù)降維
    3.1 引言
    3.2 相關(guān)工作
    3.3 預(yù)備知識(shí)
    3.4 基于判別局部對(duì)齊的有監(jiān)督多視角數(shù)據(jù)降維算法
    3.5 算法的求解與復(fù)雜度分析
    3.6 實(shí)驗(yàn)分析
    3.7 討論
    3.8 本章小結(jié)
4 直推式多視角數(shù)據(jù)降維在高光譜圖像分類中的應(yīng)用
    4.1 引言
    4.2 相關(guān)工作
    4.3 預(yù)備知識(shí)
    4.4 基于直推式學(xué)習(xí)的半監(jiān)督多視角數(shù)據(jù)降維算法
    4.5 算法的求解與復(fù)雜度分析
    4.6 直推式多視角數(shù)據(jù)降維算法的高光譜圖像分類實(shí)驗(yàn)
    4.7 本章小結(jié)
5 基于空間信息的多視角數(shù)據(jù)降維算法在高光譜圖像分類中的應(yīng)用
    5.1 引言
    5.2 相關(guān)工作
    5.3 基于空間信息的半監(jiān)督多視角數(shù)據(jù)降維算法及其求解
    5.4 基于空間信息的多視角數(shù)據(jù)降維算法的高光譜圖像分類實(shí)驗(yàn)
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
附錄1 攻讀學(xué)位期間發(fā)表論文目錄



本文編號(hào)：3786600