本文關(guān)鍵詞：基于秩限制的聯(lián)合字典學(xué)習(xí)，由筆耕文化傳播整理發(fā)布。

【摘要】：稀疏編碼和低秩學(xué)習(xí)是當(dāng)前機(jī)器學(xué)習(xí)與信號(hào)處理領(lǐng)域的前沿課題之一。由于稀疏編碼型是本身符合人眼對(duì)外來信息的處理,使之在圖像分類、圖像去噪、圖像壓縮、信號(hào)傳輸?shù)确较虻玫搅丝涨暗陌l(fā)展。稀疏編碼的本質(zhì)是在一個(gè)過完備基(也叫做字典)中找到最稀疏的圖像表示,從而減少了對(duì)圖像數(shù)據(jù)的存儲(chǔ),同時(shí)增強(qiáng)了圖像的可解釋性。低秩學(xué)習(xí)主要通過去除隨機(jī)增幅任意大但是分布稀疏的噪聲來獲得原始的具有低秩結(jié)構(gòu)的樣本。本文首先介紹了國(guó)內(nèi)外關(guān)于稀疏編碼和低秩學(xué)習(xí)的相關(guān)技術(shù)和取得的成果,針對(duì)在圖像分類和人臉識(shí)別算法中的基礎(chǔ)環(huán)節(jié),確定了低秩學(xué)習(xí)和稀疏編碼的研究方向和選題。Bags of Words算法把圖片表示成單詞直方圖的形式,不關(guān)心在當(dāng)前的字典直方圖中能夠盡量精確地重建原始樣本,同時(shí)忽略了樣本點(diǎn)的位置信息和類標(biāo)信息。許多研究工作已經(jīng)表明,通過學(xué)習(xí)算法得到的字典通常比固定的預(yù)設(shè)字典有更好的重建和判別性能。本論文將哲學(xué)中的特殊性和普遍性引入到了字典學(xué)習(xí)方法中。通過設(shè)計(jì)全新的字典結(jié)構(gòu)包括每個(gè)類的特殊性子字典和所有類共有的普遍性子字典,使得字典具有更好的重構(gòu)誤差表示。我們通過設(shè)置了秩的限制來得到最終的樣本的低維度空間結(jié)構(gòu)。同時(shí)為了得到正確的所有類共有的普遍性子字典空間,我們加入了最大化所有類共有的普遍性子字典空間秩的函數(shù)。通過對(duì)目標(biāo)函數(shù)的等價(jià)替換,我們得到了最終的基于秩限制的聯(lián)合字典學(xué)習(xí)算法。雖然我們提出的目標(biāo)函數(shù)并不是一個(gè)凸優(yōu)化問題,我們可以將它變成兩個(gè)凸優(yōu)化子問題。通過分別優(yōu)化,得到我們提出算法的視覺字典。最后,為了產(chǎn)生更好的分類效果,我們重新設(shè)計(jì)了分類算法。最終的實(shí)驗(yàn)結(jié)果顯示,我們的方法確實(shí)產(chǎn)生了更好的分類效果。
【關(guān)鍵詞】：稀疏編碼 低秩學(xué)習(xí) 字典學(xué)習(xí) 普遍性 特殊性
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41;TP181
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-14
• 1.1 研究的背景與意義9-10
• 1.2 研究現(xiàn)狀10-12
• 1.3 論文的研究?jī)?nèi)容12-13
• 1.4 論文的組織安排13-14
• 第2章 局部特征的圖像分類算法概述14-32
• 2.1 局部特征提取算法14-20
• 2.1.1 SIFT特征14-19
• 2.1.2 HOG特征19-20
• 2.2 Bags of Words算法20-22
• 2.3 稀疏編碼22-24
• 2.4 字典學(xué)習(xí)24-28
• 2.4.1 ScSPM算法25-26
• 2.4.2 SRC算法26-28
• 2.5 低秩學(xué)習(xí)28-30
• 2.6 本章小結(jié)30-32
• 第3章 基于秩限制的聯(lián)合字典學(xué)習(xí)32-41
• 3.1 普遍性和特殊性32-34
• 3.2 聯(lián)合字典學(xué)習(xí)34-36
• 3.3 基于秩限制的聯(lián)合字典學(xué)習(xí)36-40
• 3.4 本章小結(jié)40-41
• 第4章 秩限制的聯(lián)合字典學(xué)習(xí)的優(yōu)化41-47
• 4.1 固定化稀疏系數(shù)來更新可視化字典41-43
• 4.1.1 固定普通子字典更新特殊子字典41-42
• 4.1.2 固定特殊子字典更新普通子字典42-43
• 4.2 固定化可視化字典更新稀疏系數(shù)43-44
• 4.3 奇異值閾值算法44-45
• 4.4 迭代衰減閾值算法45-46
• 4.5 本章小結(jié)46-47
• 第5章 圖像分類策略及實(shí)驗(yàn)結(jié)果47-53
• 5.1 圖像分類策略47-48
• 5.2 實(shí)驗(yàn)結(jié)果與分析48-52
• 5.2.1 USPS手寫數(shù)字?jǐn)?shù)據(jù)集49-50
• 5.2.2 AR人臉數(shù)據(jù)集50-52
• 5.3 本章小結(jié)52-53
• 第6章 總結(jié)與展望53-55
• 6.1 總結(jié)53-54
• 6.2 不足與展望54-55
• 參考文獻(xiàn)55-58
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單58-59
• 致謝59

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 晁永國(guó);戴芳;韓舒然;何靜;;改進(jìn)的非負(fù)稀疏編碼圖像基學(xué)習(xí)算法[J];計(jì)算機(jī)工程與科學(xué);2010年01期

2 謝堯芳;蘇松志;李紹滋;;基于稀疏編碼的遷移學(xué)習(xí)及其在行人檢測(cè)中的應(yīng)用[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

3 郎利影;夏飛佳;;人臉識(shí)別中的零范數(shù)稀疏編碼[J];應(yīng)用科學(xué)學(xué)報(bào);2012年03期

4 程?hào)|陽(yáng);蔣興浩;孫錟鋒;;基于稀疏編碼和多核學(xué)習(xí)的圖像分類算法[J];上海交通大學(xué)學(xué)報(bào);2012年11期

5 鄒柏賢;苗軍;;自然圖像稀疏編碼模型研究綜述[J];鄭州大學(xué)學(xué)報(bào)(工學(xué)版);2013年03期

6 劉偉鋒;劉紅麗;王延江;;基于多分離部件稀疏編碼的人臉圖像分析[J];模式識(shí)別與人工智能;2013年11期

7 張抒;蔡勇;解梅;;基于局部區(qū)域稀疏編碼的人臉檢測(cè)[J];軟件學(xué)報(bào);2013年11期

8 單桂軍;廖建鋒;;最大似然稀疏編碼在人臉識(shí)別中的研究[J];電視技術(shù);2013年23期

9 王瑞霞;彭國(guó)華;鄭紅嬋;;拉普拉斯稀疏編碼的圖像檢索算法[J];計(jì)算機(jī)科學(xué);2014年08期

10 錢樂樂;高雋;謝昭;;一種融合神經(jīng)稀疏編碼機(jī)制的層次目標(biāo)識(shí)別算法[J];中國(guó)圖象圖形學(xué)報(bào);2010年10期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負(fù)稀疏編碼收縮技術(shù)實(shí)現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 劉揚(yáng);程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 張瑩瑩;梁培基;;視網(wǎng)膜神經(jīng)元的高效信息處理[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 唐海峰;基于信號(hào)稀疏表征的故障診斷方法研究[D];上海交通大學(xué);2014年

2 孫宇平;基于稀疏表征和自相似性的視覺數(shù)據(jù)識(shí)別關(guān)鍵技術(shù)及應(yīng)用[D];華南理工大學(xué);2015年

3 李清勇;視覺感知的稀疏編碼理論及其應(yīng)用研究[D];中國(guó)科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

4 季昊;稀疏編碼研究及其在模式識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2012年

5 孫俊;人臉圖像分析和識(shí)別方法研究[D];清華大學(xué);2001年

6 朱秋平;基于稀疏編碼的織物瑕疵檢測(cè)算法研究[D];武漢大學(xué);2014年

7 羅敏楠;T-S模糊推理系統(tǒng)的結(jié)構(gòu)稀疏編碼辨識(shí)理論與方法[D];清華大學(xué);2014年

8 謝錦生;基于動(dòng)態(tài)感知與異常注意的目標(biāo)描述方法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2012年

9 劉小白;圖像及視頻語(yǔ)義解析的關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

10 丁昕苗;基于多示例學(xué)習(xí)的恐怖視頻識(shí)別技術(shù)研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 柏文強(qiáng);基于局部特征提取和稀疏編碼的人臉識(shí)別算法研究[D];燕山大學(xué);2015年

2 李明;目標(biāo)檢測(cè)與識(shí)別算法研究與應(yīng)用[D];中央民族大學(xué);2015年

3 許濤;面向視頻管理的指紋特征提取技術(shù)研究[D];電子科技大學(xué);2015年

4 鮑珍珍;基于多路分層稀疏編碼的遙感圖像場(chǎng)景分類[D];西安電子科技大學(xué);2014年

5 覃曉冰;基于稀疏編碼的語(yǔ)音去噪技術(shù)研究[D];電子科技大學(xué);2015年

6 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗(yàn)證中的應(yīng)用研究[D];電子科技大學(xué);2015年

7 勾珍珍;基于空間約束和稀疏編碼的高光譜圖像分類[D];西安電子科技大學(xué);2014年

8 黃成;基于非負(fù)稀疏編碼的視頻拷貝檢測(cè)方法研究[D];湘潭大學(xué);2015年

9 張文義;基于智能監(jiān)控系統(tǒng)的圖像質(zhì)量增強(qiáng)算法的研究[D];南京郵電大學(xué);2015年

10 丁文秀;基于分層深度學(xué)習(xí)的行人分類方法研究[D];合肥工業(yè)大學(xué);2015年

  本文關(guān)鍵詞：基于秩限制的聯(lián)合字典學(xué)習(xí)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：328538