支持向量機(jī)（SVM）作為模式識(shí)別和數(shù)據(jù)挖掘領(lǐng)域非常流行的分類方法之一,其理論自上世紀(jì)60年代誕生,并在最近的數(shù)十年來得到了快速的發(fā)展和廣泛的應(yīng)用�；赟VM的改進(jìn)方法廣義特征值最接近支持向量機(jī)（GEPSVM）在提升算法泛化性能的同時(shí),也降低了計(jì)算成本。隨著信息技術(shù)的迅猛發(fā)展,多模態(tài)數(shù)據(jù)的普及催生了多視圖學(xué)習(xí)（MVL）的產(chǎn)生與發(fā)展。相比于傳統(tǒng)的單視圖方法,多視圖學(xué)習(xí)能夠利用不同視圖特征的一致和互補(bǔ)信息從而提升學(xué)習(xí)器的學(xué)習(xí)性能。多視圖廣義特征值最接近支持向量機(jī)（MvGSVM）,巧妙地將多視圖學(xué)習(xí)與GEPSVM融合起來,利用多視圖共正則項(xiàng)尋找不同視圖間的一致性。然而,包括MvGSVM在內(nèi)的大多數(shù)多視圖分類方法,目標(biāo)模型的優(yōu)化都是基于平方L2范數(shù)距離度量,很容易受到離群點(diǎn)的負(fù)面影響。為了解決當(dāng)前多視圖分類學(xué)習(xí)魯棒性不足的問題,本文提出了三種基于SVM的魯棒多視圖分類算法,主要研究?jī)?nèi)容如下:1.鑒于MvGSVM的良好分類表現(xiàn),本文提出了一種的新的多視圖分類方法——魯棒多視圖廣義特征值最接近支持向量機(jī)（Lp,s-MvGEPSVM）。不同于MvGSVM,該方法利用Lp和Ls范數(shù)分別對(duì)超平面到正類樣本... 

【文章來源】：南京林業(yè)大學(xué)江蘇省

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

多模態(tài)數(shù)據(jù)集示例

22本文選取的手寫體數(shù)據(jù)集（HandwrittenDigits）是從荷蘭的一組實(shí)用地圖中提取的數(shù)字二進(jìn)制特征集，從數(shù)字“0”到“9”總共10類，每類包括200個(gè)樣本，原始樣本有六種不同視圖特征集合。本文選取其中的兩個(gè)視圖，分別為原始數(shù)據(jù)的傅里葉系數(shù)（76維）和KL系數(shù)（64維）。在CUHK人臉數(shù)據(jù)庫(kù)（CUFS）中，每一張人臉都有照片與素描兩種表示方式，如圖3-1所示。在該數(shù)據(jù)庫(kù)中，本文選取188張人臉圖像，以男女性別作為正負(fù)類別劃分，分別以照片和素描作為不同的視圖。圖3-1CUHK人臉數(shù)據(jù)集圖像示例Fig.3-1TheexampleofCUHKfacedatasetAR人臉數(shù)據(jù)庫(kù)包含50位男性和50位女性總計(jì)2600張人臉圖像，每人26張不同角度、遮擋或光照的圖片（如圖3-2-a所示）�；诖�，實(shí)驗(yàn)利用男女性別為正負(fù)類標(biāo)記，用原始灰度圖像作為第一個(gè)視圖，利用LBP提取紋理特征作為第二個(gè)視圖（如圖3-2-b所示）。(a)原始圖像(b)LBP紋理圖像圖3-2AR人臉數(shù)據(jù)集圖像示例Fig.3-2TheexampleofARfacedataset


本文編號(hào)：3429667