信息技術(shù)的快速發(fā)展使得人們可以通過越來越多的途徑獲得海量的信息,如何從這些信息和數(shù)據(jù)中提取有用的知識是非常重要的任務(wù)。傳統(tǒng)的機(jī)器學(xué)習(xí)方法可以有效的挖掘數(shù)據(jù)、發(fā)現(xiàn)知識。但隨著新數(shù)據(jù)量的激增,傳統(tǒng)的機(jī)器學(xué)習(xí)方法遇到了缺乏足量的人為標(biāo)注知識的問題。實(shí)際中學(xué)習(xí)數(shù)據(jù)和訓(xùn)練數(shù)據(jù)的概率分布差異使得很多機(jī)器學(xué)習(xí)方法失效。遷移學(xué)習(xí)是一種新的機(jī)器學(xué)習(xí)框架,該方法對于學(xué)習(xí)數(shù)據(jù)和訓(xùn)練數(shù)據(jù)不再需要嚴(yán)格的同分布的概率假設(shè)條件,可以使用不同概率分布下的學(xué)習(xí)數(shù)據(jù)去用于訓(xùn)練模型最終準(zhǔn)確的判斷和預(yù)測訓(xùn)練數(shù)據(jù)。交互式圖像分割同樣是機(jī)器學(xué)習(xí)的問題,通過對人為標(biāo)記的先驗(yàn)知識學(xué)習(xí)最終實(shí)現(xiàn)未標(biāo)記像素的分類。本文從遷移學(xué)習(xí)的理論入手,深入研究遷移學(xué)習(xí)方法并研究遷移學(xué)習(xí)和交互式圖像分割的關(guān)系。提出的算法在遷移學(xué)習(xí)和交互式圖像分割研究中都得良好的實(shí)驗(yàn)結(jié)果。本論文的主要研究工作如下:1、提出了流形結(jié)構(gòu)保持的判別式遷移學(xué)習(xí)(Discriminant and Geometirc Aware Unsupervised Domain Adaptation,DGA-DA)算法。DGA-DA基于降維求解公共特征空間,考慮不同標(biāo)簽子域之間的判別式條件概...

【文章頁數(shù)】：174 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及研究意義
        1.1.1 遷移學(xué)習(xí)問題的提出
        1.1.2 遷移學(xué)習(xí)相關(guān)概念簡介
        1.1.3 交互式圖像相關(guān)概念簡介
        1.1.4 遷移學(xué)習(xí)和交互式圖像分割技術(shù)的關(guān)聯(lián)
        1.1.5 遷移學(xué)習(xí)和交互式圖像分割的研究意義
        1.1.6 遷移學(xué)習(xí)理論發(fā)展概述
        1.1.7 遷移學(xué)習(xí)相關(guān)應(yīng)用發(fā)展概述
        1.1.8 遷移學(xué)習(xí)和其他統(tǒng)計(jì)學(xué)習(xí)方法的區(qū)別與聯(lián)系
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 遷移學(xué)習(xí)的研究現(xiàn)狀
        1.2.2 交互式圖像分割的研究現(xiàn)狀
        1.2.3 存在的主要研究問題
    1.3 論文的主要貢獻(xiàn)及結(jié)構(gòu)安排
        1.3.1 論文的主要貢獻(xiàn)
        1.3.2 論文結(jié)構(gòu)安排
第二章 流形結(jié)構(gòu)保持的判別式遷移學(xué)
    2.1 引言
    2.2 遷移學(xué)習(xí)的研究及相關(guān)問題
        2.2.1 遷移學(xué)習(xí)相關(guān)工作介紹
        2.2.2 存在問題及分析
        2.2.3 本章提出的解決途徑
    2.3 流形結(jié)構(gòu)保持的判別式遷移學(xué)習(xí)(DGA-DA)
        2.3.1 相關(guān)數(shù)學(xué)符號和問題定義
        2.3.2 DGA-DA的模型構(gòu)建
        2.3.3 DGA-DA模型優(yōu)化求解
        2.3.4 DGA-DA非線性問題求解
        2.3.5 DGA-DA模型算法復(fù)雜度分析
    2.4 實(shí)驗(yàn)結(jié)果分析及討論
        2.4.1 數(shù)據(jù)庫和提取特征描述
        2.4.2 主流對比算法介紹
        2.4.3 實(shí)驗(yàn)設(shè)置
        2.4.4 實(shí)驗(yàn)結(jié)果及討論
        2.4.5 收斂性和參數(shù)敏感分析
        2.4.6 分析與驗(yàn)證
    2.5 本章小結(jié)
第三章 基于子空間對齊的判別式遷移學(xué)習(xí)
    3.1 引言
    3.2 基于特征空間的遷移學(xué)習(xí)調(diào)研及存在問題
        3.2.1 基于統(tǒng)計(jì)和幾何優(yōu)化遷移學(xué)習(xí)技術(shù)介紹
        3.2.2 流形結(jié)構(gòu)保持判別式遷移學(xué)習(xí)存在問題及討論
    3.3 基于子空間對齊的判別式遷移學(xué)習(xí)
        3.3.1 相關(guān)數(shù)學(xué)符號和問題定義
        3.3.2 RSA-CDDA的模型構(gòu)建
        3.3.3 RSA-CDDA模型優(yōu)化求解
        3.3.4 RSA-CDDA非線性問題求解
    3.4 實(shí)驗(yàn)結(jié)果分析及討論
        3.4.1 數(shù)據(jù)庫和提取特征描述
        3.4.2 主流對比算法介紹
        3.4.3 實(shí)驗(yàn)設(shè)置
        3.4.4 實(shí)驗(yàn)結(jié)果及討論
    3.5 本章小結(jié)
第四章 基于樣本重構(gòu)和FLDA分類的交互式圖像分割研究
    4.1 引言
    4.2 交互式圖像分割的發(fā)展和存在問題
        4.2.1 交互式圖像分割的相關(guān)工作
        4.2.2 現(xiàn)存問題及相關(guān)解決途徑
    4.3 SR-FLDA的流程圖
    4.4 基于超像素分割的樣本重構(gòu)
        4.4.1 圖像前/背景的標(biāo)記
        4.4.2 特征提取及字典構(gòu)建
        4.4.3 基于超像素字典的樣本重構(gòu)
    4.5 基于最優(yōu)分類空間求解的交互式圖像分割
        4.5.1 基于遷移學(xué)習(xí)的聯(lián)合空間求解和樣本特征轉(zhuǎn)換
        4.5.2 重構(gòu)樣本下的多分類模型構(gòu)建
        4.5.3 最佳分類投影面求解
        4.5.4 基于最小距離的圖像分割
    4.6 實(shí)驗(yàn)結(jié)果及性能評價(jià)
        4.6.1 數(shù)據(jù)庫和評測指標(biāo)
        4.6.2 超參數(shù)設(shè)定及討論
        4.6.3 Fisher-LDA和SR-FLDA的對比實(shí)驗(yàn)
        4.6.4 SR-FLDA在MSRC數(shù)據(jù)庫上的結(jié)果及討論
        4.6.5 KIM數(shù)據(jù)庫上的可視化結(jié)果對比及討論
        4.6.6 存在的問題及后期研究
    4.7 本章小結(jié)
第五章 基于FISHER法則聯(lián)合優(yōu)化框架下的交互式圖像分割算法
    5.1 引言
    5.2 弱交互式圖像分割的發(fā)展和存在問題
        5.2.1 弱交互式圖像分割調(diào)研
        5.2.2 SR-FLDA存在問題及解決途徑
    5.3 交互式圖像分割任務(wù)定義與分析
        5.3.1 交互式圖像分割問題的數(shù)學(xué)定義
        5.3.2 基于超像素字典重構(gòu)任務(wù)的理論分析
        5.3.3 圖像分割與超像素分類任務(wù)轉(zhuǎn)換的理論分析
    5.4 SR-BM的流程圖
    5.5 基于超像素特征提取的樣本重構(gòu)
        5.5.1 超像素的分割和特征表示
        5.5.2 字典構(gòu)造
        5.5.3 樣本重構(gòu)
    5.6 SR-BM的分類模型
        5.6.1 超像素的多分類模型
        5.6.2 圖像分割的二分類模型
        5.6.3 BM分類模型的優(yōu)化
        5.6.4 基于最短距離的圖像分割
    5.7 實(shí)驗(yàn)結(jié)果分析及討論
        5.7.1 數(shù)據(jù)庫和評測指標(biāo)
        5.7.2 實(shí)驗(yàn)環(huán)境和超參數(shù)設(shè)置
        5.7.3 FLDA、SSR-FLDA和SR-BM實(shí)驗(yàn)結(jié)果對比分析
        5.7.4 SR-BM在MSRC數(shù)據(jù)庫上的結(jié)果及討論
        5.7.5 KIM數(shù)據(jù)庫上可視化結(jié)果對比及討論
        5.7.6 SR-BM算法魯棒性分析
    5.8 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 研究展望
參考文獻(xiàn)
致謝
攻讀博士學(xué)位期間已發(fā)表或錄用的論文
攻讀博士學(xué)位期間參加的主要科研項(xiàng)目



本文編號：3829194