糾錯(cuò)問(wèn)題是機(jī)器學(xué)習(xí)中非常重要的一個(gè)主題。在現(xiàn)實(shí)情況下獲得的數(shù)據(jù)都或多或少的包含著一些損壞的部分,如何處理這部分損壞的數(shù)據(jù)是一個(gè)十分困難的問(wèn)題。人們對(duì)于這一問(wèn)題的研究由來(lái)已久,在數(shù)學(xué)上對(duì)這一問(wèn)題的等價(jià)描述為:揭示高維空間的數(shù)據(jù)在低維子空間中的結(jié)構(gòu)。解決這一問(wèn)題的機(jī)器學(xué)習(xí)方法有很多,但是現(xiàn)有方法具有一定的局限性,即其計(jì)算性能會(huì)隨著維度的增加而下降,且通常會(huì)忽視原始數(shù)據(jù)的領(lǐng)域結(jié)構(gòu)。更確切的來(lái)說(shuō),這些方法在我們所考慮的高維方案中無(wú)法有效的發(fā)揮作用。在本文中,基于子空間學(xué)習(xí)的方法,本文提出了一個(gè)靈活的魯棒主成分分析（FRPCA）方法。它是通過(guò)將原始數(shù)據(jù)通過(guò)重構(gòu)矩陣,投影到一個(gè)低維子空間中,而后利用這個(gè)低維子空間,我們就可以將數(shù)據(jù)所包含的誤差進(jìn)行分離。但與傳統(tǒng)方法中只使用一個(gè)重構(gòu)矩陣不同,本文中的方法使用兩個(gè)不同的矩陣來(lái)對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)重構(gòu),并且可以通過(guò)使用其中的一個(gè)矩陣來(lái)獲得數(shù)據(jù)的緊湊表示。此外,FRPCA方法會(huì)選擇最相關(guān)的特性來(lái)保證恢復(fù)的數(shù)據(jù)能夠很好地保留原始數(shù)據(jù)的領(lǐng)域結(jié)構(gòu)。對(duì)于這一機(jī)器學(xué)習(xí)問(wèn)題,我們對(duì)其進(jìn)行數(shù)學(xué)化的表達(dá),從而得到了一個(gè)凸優(yōu)化問(wèn)題,而機(jī)器學(xué)習(xí)的過(guò)程則是通過(guò)求解核范數(shù)正則最小化... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

一個(gè)基本的遷移學(xué)習(xí)示例

減少特征維數(shù)。其次，線性回歸模型并未強(qiáng)調(diào)不同反應(yīng)之間的乘回歸相當(dāng)于分別對(duì)預(yù)測(cè)變量的每個(gè)響應(yīng)進(jìn)行回歸。 為了將關(guān)性納入回歸模型，研究人員引入了降階退化方法，這是一個(gè)數(shù)矩陣具有降低的秩。 后來(lái)許多研究人員研究了低階（或簡(jiǎn)化/任務(wù)相關(guān)模式由低階結(jié)構(gòu)探索并用于增強(qiáng)回歸/分類(lèi)結(jié)果。定義在不對(duì)損壞的數(shù)據(jù)點(diǎn)施加任何限制的情況下，實(shí)現(xiàn)本文所提出。例如，如果損壞的數(shù)據(jù)點(diǎn)呈現(xiàn)無(wú)序狀態(tài)，如圖 3-1（a）所示于擬合損壞數(shù)據(jù)點(diǎn)的簡(jiǎn)單模型。幸運(yùn)的是，基于下述的兩個(gè)事標(biāo)是可行的。首先，即使圖 3-1(a)中的損壞是無(wú)序的，也存在將任何數(shù)據(jù)點(diǎn) x 投影到下面的子空間，從而產(chǎn)生準(zhǔn)確的恢復(fù)結(jié)

圖 3-4 一個(gè)正交普魯克問(wèn)題的示例Figure 3-4 A basic orthogonal procrustes problem圖 3-5 為從屬子空間計(jì)算矩陣 的示例。在這個(gè)例子中，我們創(chuàng)建了 11 個(gè)對(duì)不相交的子空間，每個(gè)子空間的維數(shù)為 20，并從每個(gè)子空間中抽取 20 個(gè)樣本沒(méi)有錯(cuò)誤。環(huán)境維度為 200，小于子空間維度的總和。因此子空間是相關(guān)的，并 不是嚴(yán)格的塊對(duì)角線。然而，很容易看出通過(guò)使用上述相似度矩陣進(jìn)行譜聚可以實(shí)現(xiàn)高分割精度。3.2.3 更新 E我們通過(guò)求解下述問(wèn)題來(lái)更新 E = (3.2

【參考文獻(xiàn)】：
期刊論文
[1]基于多特征子空間與核學(xué)習(xí)的行人再識(shí)別[J]. 齊美彬,檀勝順,王運(yùn)俠,劉皓,蔣建國(guó).  自動(dòng)化學(xué)報(bào). 2016(02)
[2]基于外觀模型學(xué)習(xí)的視頻目標(biāo)跟蹤方法綜述[J]. 張煥龍,胡士強(qiáng),楊國(guó)勝.  計(jì)算機(jī)研究與發(fā)展. 2015(01)
[3]基于子空間分解的信道階數(shù)估計(jì)算法[J]. 代松銀,袁嗣杰,董書(shū)攀.  電子學(xué)報(bào). 2010(06)
[4]基于PCA學(xué)習(xí)子空間算法的有限漢字識(shí)別[J]. 蔣偉峰,劉濟(jì)林.  中國(guó)圖象圖形學(xué)報(bào). 2001(02)

博士論文
[1]基于子空間分析的人臉識(shí)別研究[D]. 祝磊.浙江大學(xué) 2007



本文編號(hào)：2998076