集成學(xué)習(xí)作為機(jī)器學(xué)習(xí)的研究熱點(diǎn),能夠提高學(xué)習(xí)器的泛化性能,集成學(xué)習(xí)的基本理論、算法以及應(yīng)用場(chǎng)合越來(lái)越成為眾多機(jī)器學(xué)習(xí)學(xué)者的研究重點(diǎn)。本文對(duì)集成學(xué)習(xí)在回歸應(yīng)用中的數(shù)據(jù)擾動(dòng)問(wèn)題、個(gè)體學(xué)習(xí)器的生成和預(yù)測(cè)結(jié)果組合等方面做了深入的研究和分析。為了將研究成果更好的呈現(xiàn),選擇以圖像質(zhì)量評(píng)價(jià)為載體,全面分析、實(shí)現(xiàn)了集成學(xué)習(xí)算法在圖像質(zhì)量評(píng)價(jià)中的應(yīng)用。概括起來(lái),本文的主要內(nèi)容安排如下:（1）結(jié)合集成Ada Boost思想與Bagging思想,提出了集成隨機(jī)森林算法。集成隨機(jī)森林在AdaBoost框架下將隨機(jī)森林作為基學(xué)習(xí)器,將Ada Boost思想與Bagging思想在同一個(gè)算法中結(jié)合,既保證了學(xué)習(xí)器之間的差異性又保證了集成算法預(yù)測(cè)圖像質(zhì)量得分的準(zhǔn)確性。將圖像的感知特征作為實(shí)驗(yàn)數(shù)據(jù),預(yù)測(cè)LIVEMD圖像庫(kù)和MDID2013圖像庫(kù)中的失真圖像的質(zhì)量分?jǐn)?shù)。實(shí)驗(yàn)結(jié)果表明,該算法不僅能夠提高個(gè)體學(xué)習(xí)器的差異度,同時(shí)還增強(qiáng)了圖像質(zhì)量評(píng)價(jià)模型的準(zhǔn)確度和泛化能力,與其他的圖像質(zhì)量評(píng)價(jià)算法相比有一定優(yōu)勢(shì),更加接近人類的感官感受。（2）在集成隨機(jī)森林算法的基礎(chǔ)上,結(jié)合旋轉(zhuǎn)森林（Rotation Forest）擾動(dòng)思想,提... 

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

LIVEMD圖像數(shù)據(jù)庫(kù)部分參考圖像

ROF-AdaBoostRF算法在MDID2013圖像庫(kù)上主客觀散點(diǎn)圖

人類視覺(jué)系統(tǒng)示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于多元變量組合的回歸支持向量機(jī)集成模型及其應(yīng)用[J]. 崔東文.  水利水運(yùn)工程學(xué)報(bào). 2014(02)
[2]結(jié)合Rotation Forest和MultiBoost的SVM集成方法[J]. 姚旭,王曉丹,張玉璽,畢凱.  計(jì)算機(jī)科學(xué). 2013(03)
[3]一種平面圖像立體化的新方法[J]. 侯春萍,俞斯樂(lè).  電子學(xué)報(bào). 2002(12)

碩士論文
[1]人類視覺(jué)感知雙目融合的立體圖像質(zhì)量評(píng)價(jià)方法研究[D]. 王剛.江南大學(xué) 2016



本文編號(hào)：3655798