圖像識別是實現(xiàn)智能技術的重要手段之一,廣泛應用于金融、交通以及人工智能等領域。圖像特征提取對識別效果有至關重要的作用,國內(nèi)外學者都對特征提取提出了許多方法,主要有基于幾何特征的圖像識別方法、基于全局特征的圖像識別方法、基于人工設計特征的圖像識別方法、基于卷積神經(jīng)網(wǎng)絡的圖像識別方法等。這些方法在圖像發(fā)生旋轉、平移時,識別的正確率都會受到不同程度的影響。因此,提出一種不依賴于像素點位置和順序的方法具有重要的工程實踐意義。在過去十幾年來,復雜網(wǎng)絡方法在圖像識別領域已經(jīng)取得許多研究成果。復雜網(wǎng)絡基于圖論構造模型,將像素點抽象為網(wǎng)絡節(jié)點,提取網(wǎng)絡的拓撲度量參量作為圖像識別的特征。現(xiàn)有的復雜網(wǎng)絡圖像識別方法表明,以像素點作為節(jié)點,對灰度圖像建立復雜網(wǎng)絡模型,模型的拓撲參量不依賴于節(jié)點的順序和位置。但是,復雜網(wǎng)絡圖像識別方法的缺點是網(wǎng)絡節(jié)點規(guī)模大、建模困難,網(wǎng)絡復雜度高,由此造成拓撲特征參量提取運算時間長。因此,本文在現(xiàn)有的復雜網(wǎng)絡圖像識別方法的基礎上,提出基于結構平衡的復雜網(wǎng)絡圖像識別方法。該方法以像素點作為節(jié)點,先通過灰度乘積構建節(jié)點間的連接關系生成初始網(wǎng)絡,然后再通過Hadamard變換模板映... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

隨機圖網(wǎng)絡模型

廣東工業(yè)大學碩士學位論文8圖2-2隨機圖網(wǎng)絡模型Fig.2-2Randomnetworkmodel（3）小世界網(wǎng)絡Watts和Strogatz引入“小世界”網(wǎng)絡這一概念[44]，并提出一種規(guī)則網(wǎng)到隨機網(wǎng)絡的演化算法。首先，網(wǎng)絡的節(jié)點以環(huán)狀排列，將每個節(jié)點與它距離k/2的節(jié)點相連（k是已知的偶數(shù)）；繼而，將每條邊的其中一個節(jié)點以隨機概率p與其他節(jié)點連接；最后，通過調(diào)節(jié)節(jié)點間生連接邊的概率p可以實現(xiàn)從規(guī)則網(wǎng)絡到隨機網(wǎng)絡的演化。其中，節(jié)點間具有連接邊的概率為p0時，所生成的網(wǎng)絡是規(guī)則網(wǎng)絡；節(jié)點間具有連接邊的概率為p1.0時，所生成的網(wǎng)絡是隨機網(wǎng)絡；節(jié)點間具有連接邊的概率為0p1.0，所生成的網(wǎng)絡是小世界網(wǎng)絡。小世界網(wǎng)絡模型的平均路徑較短，有較高的聚類系數(shù)。規(guī)則網(wǎng)絡到隨機網(wǎng)絡演化過程如圖2-3所示。p0p1圖2-3小世界網(wǎng)絡模型Fig.2-3Smallworldnetworkmodel2.1.2加權網(wǎng)絡概述加權網(wǎng)絡是復雜網(wǎng)絡的主要研究對象之一[42]。相較于無權網(wǎng)絡只考慮節(jié)點間連與不連的拓撲關系，加權網(wǎng)絡利用連接邊的權值給出網(wǎng)絡中節(jié)點間的連接關系，節(jié)點的連接權值能很好地描述節(jié)點間的作用強度。加權網(wǎng)絡應用于很多現(xiàn)實網(wǎng)絡中，如英特網(wǎng)中的連接邊的權值表示數(shù)據(jù)流量或者帶寬，食物網(wǎng)的捕食者與被捕食者的

制能量的流動[45]，社交網(wǎng)絡用權值表示演員間的相互聯(lián)系的頻率，神經(jīng)網(wǎng)絡中不同神經(jīng)元間的連接表示傳送的電信號強弱。加權網(wǎng)絡的權值通常是非負數(shù)，當連接權值為0時候，表示節(jié)點間沒有連接關系，當連接權值為正數(shù)時，節(jié)點間具有正連接關系。但并沒有相應的理論證明加權網(wǎng)絡的權值不能為負數(shù)。在社會網(wǎng)絡中，用正權值表示代表積極、友好的關系，用負號表示消極、敵對的關系。尤其是在結構平衡網(wǎng)絡中，連接權值并不都是正數(shù)。在加權網(wǎng)絡中，一般用連接矩陣表示網(wǎng)絡的連接權值。具有三個節(jié)點的無向加權網(wǎng)絡，及其連接矩陣A，如圖2-4所示。連接矩陣A表示節(jié)點i和節(jié)點j的連接權值是2，節(jié)點i和節(jié)點k的連接權值是1，節(jié)點j和節(jié)點k的連接權值是0.5。圖2-4三個節(jié)點的加權網(wǎng)絡及其連接矩陣Fig.2-4weightednetworkofthreenodesanditsconnectionmatrix2.2結構平衡網(wǎng)絡概述1946年美國社會心理學家FritzHeider基于單個個體之間的關聯(lián)提出結構平衡三角形模型，引入符號網(wǎng)絡表示網(wǎng)路的結構平衡狀態(tài)并提平衡理論[46]。1956年Harary和Carwrigt利用圖論的思想對群體進行研究，將結構平衡擴展至一般符號網(wǎng)絡并建立相應的結構平衡網(wǎng)絡模型[47]，奠定了結構平衡理論的研究基矗而后，許多學者開始了對結構平衡理論的研究。2005年，Kulakowski又將Heider結構平衡理論擴展至實數(shù)加權網(wǎng)絡[48]。2018年，一位研究學者發(fā)現(xiàn)大型的復雜網(wǎng)絡系統(tǒng)中，節(jié)點和連接關系會隨時間通過耦合關系使得網(wǎng)絡結構發(fā)生動態(tài)演化，最終節(jié)點子系統(tǒng)和連接關系子系統(tǒng)趨于平衡狀態(tài)[49]。在結構平衡網(wǎng)絡中，節(jié)點間的正號（+）連接關系表示節(jié)點間積極、友好的關系，負號（-）表示兩節(jié)點間消極、敵對的關系。網(wǎng)絡是否具有結構平衡與節(jié)點間的連接關系密切相關。經(jīng)典的結構平衡三角形如圖2-5所示。

【參考文獻】：
期刊論文
[1]基于cvtree方法和復雜網(wǎng)絡理論的癌癥進化樹分析[J]. 沈路明,韋芳萍.  基因組學與應用生物學. 2014(02)
[2]開集人臉識別中的性能評估系統(tǒng)[J]. 梁亦聰,丁曉青,方馳.  模式識別與人工智能. 2014(04)
[3]加權網(wǎng)絡的常用統(tǒng)計量[J]. 姚尊強,尚可可,許小可.  上海理工大學學報. 2012(01)
[4]基于復雜網(wǎng)絡特性的帶鋼表面缺陷識別[J]. 任海鵬,馬展峰.  自動化學報. 2011(11)
[5]復雜網(wǎng)絡初探[J]. 吳今培.  五邑大學學報(自然科學版). 2010(02)
[6]一種改進的Harris角點檢測算法[J]. 龔平,劉相濱,周鵬.  計算機工程與應用. 2010(11)
[7]基于顏色-空間特征的圖像檢索[J]. 王濤,胡事民,孫家廣.  軟件學報. 2002(10)

博士論文
[1]基于統(tǒng)計推理的復雜網(wǎng)絡社區(qū)結構分析[D]. 陳毅.哈爾濱工業(yè)大學 2016
[2]基于復雜網(wǎng)絡的圖像目標識別方法研究[D]. 湯曉.廣東工業(yè)大學 2013
[3]復雜網(wǎng)絡理論和細胞自動機在生物信息學中的應用研究[D]. 刁元波.四川大學 2007

碩士論文
[1]基于輪廓形狀和復雜網(wǎng)絡的圖像識別新方法[D]. 何蘇利.廣東工業(yè)大學 2016
[2]基于機器學習的社交網(wǎng)絡用戶特征分析[D]. 陳玉英.北京交通大學 2015
[3]分形理論在復雜網(wǎng)絡研究中的應用[D]. 張明君.青島大學 2008



本文編號：3539101