隨著信息技術(shù)的迅速發(fā)展,我們所獲取、存儲(chǔ)和需要處理的數(shù)據(jù)開始呈指數(shù)級(jí)增長(zhǎng)。這些數(shù)據(jù)不僅數(shù)量大、更新速度快,而且通常蘊(yùn)藏著很多難以直接觀察到的內(nèi)在規(guī)律。針對(duì)這些高維海量數(shù)據(jù),如何從中有效獲取所需的信息,發(fā)現(xiàn)其內(nèi)在規(guī)律,一直是機(jī)器學(xué)習(xí)等領(lǐng)域所面臨的基本問題,而維數(shù)約簡(jiǎn)成為解決此類問題的有效方法之一。同時(shí),對(duì)高維數(shù)據(jù)進(jìn)行維數(shù)約簡(jiǎn),能夠有效避免維數(shù)災(zāi)難,移除高維空間中的噪聲和無關(guān)屬性,降低數(shù)據(jù)存儲(chǔ)所需的空間,提高后續(xù)學(xué)習(xí)算法的性能和效率。兩種最經(jīng)典的降維方法是主成分分析（PCA）和線性判別分析（LDA）。PCA是一種無監(jiān)督學(xué)習(xí)的降維方法,它的目的是尋找使得樣本協(xié)方差最大的投影方向,LDA是一種監(jiān)督學(xué)習(xí)的降維方法,它的目的是尋找使得同類樣本盡量聚集,不同類樣本盡量分散的投影方向。但它們?cè)谔崛?shù)據(jù)特征的過程中,存在全局正態(tài)分布的模型假設(shè),當(dāng)實(shí)際樣本與這種分布假設(shè)不相符時(shí),其性能將受到極大影響。近些年,很多基于流形學(xué)習(xí)的線性判別分析算法相繼被提出,但它們通常采用某一固定參數(shù)模型（如高斯函數(shù)）來描述數(shù)據(jù)的內(nèi)部幾何結(jié)構(gòu),數(shù)據(jù)分布的復(fù)雜多樣造成固定參數(shù)模型并非數(shù)據(jù)本質(zhì)結(jié)構(gòu)的最優(yōu)描述。為了解決這些問題,本文... 

【文章來源】：廈門大學(xué)福建省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：78 頁

【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
        1.1.1 維數(shù)約簡(jiǎn)
        1.1.2 圖像識(shí)別
    1.2 維數(shù)約簡(jiǎn)的研究進(jìn)展
    1.3 論文的主要工作和結(jié)構(gòu)安排
第二章 動(dòng)態(tài)加權(quán)非參數(shù)判別分析
    2.1 引言
    2.2 相關(guān)算法
        2.2.1 線性判別分析(LDA)
        2.2.2 非參數(shù)判別分析(NDA)
    2.3 動(dòng)態(tài)加權(quán)非參數(shù)判別分析建模
    2.4 求解算法
        2.4.1 是否存在滿足條件的解
        2.4.2 求解目標(biāo)函數(shù)更優(yōu)的解
        2.4.3 求解收斂速度
    2.5 實(shí)驗(yàn)分析
        2.5.1 人臉識(shí)別
        2.5.2 手寫體識(shí)別
        2.5.3 深度學(xué)習(xí)實(shí)驗(yàn)對(duì)比
    2.6 結(jié)論
第三章 自適應(yīng)局部敏感判別分析
    3.1 引言
    3.2 相關(guān)算法
        3.2.1 局部敏感判別分析(LSDA)
        3.2.2 穩(wěn)定的局部敏感判別分析(SLSDA)
    3.3 歸一化局部敏感判別分析(NLSDA)
        3.3.1 歸一化局部敏感判別分析建模
        3.3.2 求解算法
    3.4 自適應(yīng)局部敏感判別分析(ALSDA)
        3.4.1 自適應(yīng)局部敏感判別分析建模
        3.4.2 求解算法
    3.5 實(shí)驗(yàn)分析
        3.5.1 三維可視化圖像
        3.5.2 手寫體識(shí)別
        3.5.3 人臉識(shí)別
    3.6 結(jié)論
第四章 總結(jié)與展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]LLE流形學(xué)習(xí)的若干問題分析[J]. 羅芳瓊.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2012(08)
[2]近鄰邊界Fisher判別分析[J]. 魏萊,王守覺,徐菲菲,王睿智.  電子與信息學(xué)報(bào). 2009(03)
[3]基于字型特征的手寫體漢字多分類識(shí)別的研究[J]. 王建平,王曉雪.  計(jì)算機(jī)應(yīng)用. 2007(12)

博士論文
[1]人臉識(shí)別中若干特征優(yōu)化方法研究[D]. 畢超.東北師范大學(xué) 2017
[2]基于稀疏學(xué)習(xí)的圖像維數(shù)約簡(jiǎn)和目標(biāo)識(shí)別方法研究[D]. 殷飛.西安電子科技大學(xué) 2014
[3]流形學(xué)習(xí)算法及其應(yīng)用研究[D]. 雷迎科.中國科學(xué)技術(shù)大學(xué) 2011



本文編號(hào)：3636386