分類(lèi)問(wèn)題在人們的日常生活、社會(huì)活動(dòng)、科研生產(chǎn)以及學(xué)習(xí)、工作中是很常見(jiàn)的。在很多領(lǐng)域中,比如醫(yī)學(xué)的臨床診斷、工業(yè)生產(chǎn)的機(jī)器狀態(tài)判斷、語(yǔ)音的智能識(shí)別等等方面,分類(lèi)問(wèn)題都成為了最主要也最難于解決的問(wèn)題。隨著近年來(lái)對(duì)機(jī)器學(xué)習(xí)的技術(shù)不斷地研究,數(shù)據(jù)采集技術(shù)得到了飛快的發(fā)展,分類(lèi)場(chǎng)景也多種多樣。然而隨著數(shù)據(jù)采集技術(shù)飛速的發(fā)展,解決分類(lèi)問(wèn)題的方法與技術(shù)也有很多,其中編碼技術(shù)是一種有效的技術(shù)手段。本文主要基于編碼學(xué)習(xí)的方法,分別從特征和標(biāo)簽兩個(gè)角度對(duì)分類(lèi)問(wèn)題進(jìn)行了研究,主要工作如下:（1）從特征角度,針對(duì)多視圖不完整數(shù)據(jù)的回收利用問(wèn)題,通過(guò)結(jié)合其特征空間的內(nèi)在結(jié)構(gòu)與數(shù)據(jù)的標(biāo)簽信息,對(duì)所有的數(shù)據(jù)學(xué)習(xí)統(tǒng)一的低維編碼。所學(xué)的低維編碼實(shí)現(xiàn)了對(duì)歷史數(shù)據(jù)的回收利用,包含了較強(qiáng)的判別信息,能夠完成對(duì)待預(yù)測(cè)數(shù)據(jù)的分類(lèi)。此外,針對(duì)問(wèn)題的求解,還提出了優(yōu)化算法并通過(guò)理論證明其收斂性,最后通過(guò)實(shí)驗(yàn)驗(yàn)證了算法的有效性并應(yīng)用到人臉識(shí)別場(chǎng)景中。（2）從標(biāo)簽角度,針對(duì)多標(biāo)簽分類(lèi)時(shí)基分類(lèi)器之間差異性不大的問(wèn)題,通過(guò)把原多標(biāo)簽問(wèn)題轉(zhuǎn)化為多個(gè)子問(wèn)題,并組合對(duì)應(yīng)的糾錯(cuò)編碼,增強(qiáng)了編碼的糾錯(cuò)能力。該模型通過(guò)劃分不同的訓(xùn)練數(shù)據(jù)池使得基分類(lèi)器之... 

【文章來(lái)源】：國(guó)防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 對(duì)特征編碼的研究現(xiàn)狀
        1.2.2 對(duì)標(biāo)簽編碼的研究現(xiàn)狀
    1.3 論文的主要工作
    1.4 論文結(jié)構(gòu)
第二章 相關(guān)基礎(chǔ)知識(shí)
    2.1 非負(fù)矩陣分解
    2.2 相似性度量
    2.3 糾錯(cuò)輸出編碼
        2.3.1 常見(jiàn)的編碼方式
        2.3.2 基分類(lèi)器差異性
    2.4 分類(lèi)評(píng)價(jià)指標(biāo)
第三章 面向特征的低維編碼學(xué)習(xí)
    3.1 面向特征的低維編碼學(xué)習(xí)算法
        3.1.1 目標(biāo)函數(shù)
        3.1.2 算法求解
    3.2 算法分析
        3.2.1 收斂性分析
        3.2.2 參數(shù)分析
    3.3 實(shí)驗(yàn)與討論
        3.3.1 數(shù)據(jù)集介紹
        3.3.2 NHF算法與其他算法的對(duì)比實(shí)驗(yàn)
        3.3.3 參數(shù)確定實(shí)驗(yàn)
        3.3.4 收斂性實(shí)驗(yàn)
        3.3.5 人臉識(shí)別的應(yīng)用
    3.4 本章小結(jié)
第四章 面向標(biāo)簽的組合糾錯(cuò)編碼學(xué)習(xí)
    4.1 面向標(biāo)簽的組合糾錯(cuò)編碼學(xué)習(xí)算法
        4.1.1 CECOC模型
    4.2 算法分析
        4.2.1 基分類(lèi)器差異性的分析
        4.2.2 計(jì)算復(fù)雜度
        4.2.3 參數(shù)選擇
    4.3 實(shí)驗(yàn)與討論
        4.3.1 數(shù)據(jù)集介紹
        4.3.2 CECOC與其他方算法對(duì)比
        4.3.3 參數(shù)確定實(shí)驗(yàn)
        4.3.4 網(wǎng)頁(yè)分類(lèi)的應(yīng)用
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果


【參考文獻(xiàn)】：
期刊論文
[1]現(xiàn)代圖像壓縮編碼技術(shù)[J]. 陶長(zhǎng)武,蔡自興.  信息技術(shù). 2007(12)
[2]蛋白質(zhì)組研究技術(shù)及其進(jìn)展[J]. 俞利榮,曾嶸,夏其昌.  生命的化學(xué). 1998(06)



本文編號(hào)：3256175