本文關(guān)鍵詞：基于極限學(xué)習(xí)機(jī)的目標(biāo)識(shí)別算法研究

  更多相關(guān)文章： 目標(biāo)識(shí)別 極限學(xué)習(xí)機(jī) 空間金字塔模型 旋轉(zhuǎn)森林

【摘要】：目標(biāo)識(shí)別是圖像理解和計(jì)算機(jī)視覺中一個(gè)重點(diǎn)研究方向,在許多相關(guān)領(lǐng)域中有著廣泛的應(yīng)用。隨著人工智能和模式識(shí)別技術(shù)的不斷發(fā)展,基于機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別技術(shù)越來越受到研究者們的重視。本文圍繞著機(jī)器學(xué)習(xí)方法,對(duì)目標(biāo)識(shí)別算法中的分類器設(shè)計(jì),模型構(gòu)建等問題進(jìn)行了研究。論文具體的研究內(nèi)容分為2個(gè)部分,第一,本文提出了將極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)這種求解單隱層前饋神經(jīng)網(wǎng)絡(luò)的新方法引入到基于機(jī)器學(xué)習(xí)的目標(biāo)識(shí)別算法中來,并研究了極限學(xué)習(xí)機(jī)的改進(jìn)方法來解決傳統(tǒng)SVM分類器在處理高維復(fù)雜數(shù)據(jù)時(shí)的計(jì)算復(fù)雜度高,訓(xùn)練耗時(shí)等缺陷。第二,本文對(duì)當(dāng)前主流的目標(biāo)識(shí)別模型,空間金字塔模型(Spatial Pyramid Model,SPM)進(jìn)行了理論分析,研究了通過改進(jìn)視覺詞典的構(gòu)建方式來解決圖像特征向量維數(shù)過高,計(jì)算復(fù)雜度上升的缺陷。圍繞上述研究內(nèi)容,本文主要研究工作和創(chuàng)新性體現(xiàn)在以下兩個(gè)方面:(1)針對(duì)ELM的泛化能力和穩(wěn)定性容易受隨機(jī)給定的輸入權(quán)值和隱含層偏置的影響,提出了一種基于旋轉(zhuǎn)森林選擇性集成ELM的目標(biāo)識(shí)別算法,并將其命名為RFSEN-ELM。該方法結(jié)合了旋轉(zhuǎn)森林算法(Rotation Forest,RF)和基于遺傳算法的選擇性集成模型(Selective Ensemble)。首先,利用旋轉(zhuǎn)森林算法對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行預(yù)處理,訓(xùn)練生成一組差異性較大的ELM基分類器集合。接著,通過選擇性集成模型對(duì)基分類器集合進(jìn)行組合篩選,其中遺傳算法在選擇性集成模型中的作用是剔除一些在集成中表現(xiàn)不好的基分類器。最后,將選擇出來的基分類器進(jìn)行集成構(gòu)成RFSEN-ELM算法。實(shí)驗(yàn)結(jié)果表明,該算法的綜合性能要優(yōu)于傳統(tǒng)的SVM算法和一些其他的集成算法。(2)針對(duì)空間金字塔模型產(chǎn)生的圖像特征向量維數(shù)過高,內(nèi)存占用較大的缺陷,提出了一種緊湊型空間金字塔模型(Compact Spatial Pyramid Model,CSPM),該模型通過Agglomerative Information Bottleneck(AIB)聚類算法對(duì)視覺詞典中的視覺單詞進(jìn)行選擇性融合來降低最終特征向量的維數(shù)。此外,在極限學(xué)習(xí)機(jī)的改進(jìn)上提出了使用加權(quán)投票機(jī)制(Weighted Voting)代替了RFSEN-ELM中的選擇性集成模型,并將矩陣條件數(shù)這一概念引入到了權(quán)值的計(jì)算當(dāng)中,將該集成分類器命名為RFWV-ELM。實(shí)驗(yàn)結(jié)果表明,基于CSPM模型和RFWV-ELM集成分類器的目標(biāo)識(shí)別算法在識(shí)別正確率,穩(wěn)定性和訓(xùn)練速度上都好于傳統(tǒng)的空間金字塔模型與SVM的結(jié)合方法。
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TP181

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐小琴;;多傳感器數(shù)據(jù)融合目標(biāo)識(shí)別算法綜述[J];紅外與激光工程;2006年S4期

2 林思明;;運(yùn)動(dòng)目標(biāo)識(shí)別算法研究[J];西北電訊工程學(xué)院學(xué)報(bào);1985年04期

3 王旭輝;劉云猛;裴浩東;;基于嵌入式圖像處理平臺(tái)的實(shí)時(shí)多目標(biāo)識(shí)別算法[J];科學(xué)技術(shù)與工程;2014年03期

4 朱峰,竇麗華,楊國勝,陳文頡;基于異類傳感器的戰(zhàn)場運(yùn)動(dòng)目標(biāo)識(shí)別算法[J];北京理工大學(xué)學(xué)報(bào);2002年03期

5 孔剛,張啟衡,許俊平;一種復(fù)雜背景下運(yùn)動(dòng)擴(kuò)展目標(biāo)識(shí)別算法[J];儀器儀表學(xué)報(bào);2005年S1期

6 賈宇平;李亞楠;付耀文;莊釗文;;一種基于灰色定權(quán)聚類的決策層融合目標(biāo)識(shí)別算法[J];電子與信息學(xué)報(bào);2008年02期

7 熊艷，張桂林，彭嘉雄;自動(dòng)目標(biāo)識(shí)別算法性能評(píng)價(jià)的一種方法[J];自動(dòng)化學(xué)報(bào);1996年02期

8 陳喜;陳浩;;針對(duì)潛望鏡的艦船目標(biāo)識(shí)別算法的研究[J];微計(jì)算機(jī)信息;2007年01期

9 杜方鍵;楊宏暉;;兩種半監(jiān)督多類水下目標(biāo)識(shí)別算法的比較[J];聲學(xué)技術(shù);2014年01期

10 黨二升;李麗;;激光探測“貓眼”效應(yīng)目標(biāo)識(shí)別算法[J];航空科學(xué)技術(shù);2011年06期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前5條

1 徐小琴;;多傳感器數(shù)據(jù)融合目標(biāo)識(shí)別算法綜述[A];2006年全國光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（D 光電信息處理技術(shù)專題）[C];2006年

2 孔剛;張啟衡;許俊平;;一種復(fù)雜背景下運(yùn)動(dòng)擴(kuò)展目標(biāo)識(shí)別算法[A];第三屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

3 常青;;分形特征目標(biāo)識(shí)別算法[A];2005年中國智能自動(dòng)化會(huì)議論文集[C];2005年

4 王明芬;李翠華;;基于形狀外觀的海面目標(biāo)識(shí)別算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 王偉明;;一種使用并行黑板模型仿真系統(tǒng)實(shí)現(xiàn)的基于知識(shí)的圖象目標(biāo)識(shí)別算法[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];1999年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張抒;可視目標(biāo)檢測與分割關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

2 徐培;基于少量樣本的快速目標(biāo)檢測與識(shí)別[D];電子科技大學(xué);2014年

3 竇建方;視頻圖像處理中的關(guān)鍵技術(shù)研究[D];上海交通大學(xué);2014年

4 于加其;基于激光成像雷達(dá)距離像的地面目標(biāo)識(shí)別算法研究[D];北京理工大學(xué);2015年

5 劉明;基于流形學(xué)習(xí)與稀疏描述的SAR目標(biāo)識(shí)別算法研究[D];西安電子科技大學(xué);2015年

6 喻曉源;基于特征學(xué)習(xí)的目標(biāo)檢測、跟蹤、識(shí)別算法研究[D];華中科技大學(xué);2014年

7 嚴(yán)忠貞;內(nèi)河在航船舶動(dòng)態(tài)跟蹤和航跡融合方法研究[D];武漢理工大學(xué);2013年

8 張兵;光學(xué)圖像末制導(dǎo)中的點(diǎn)目標(biāo)檢測與識(shí)別算法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

9 汪洋;極化合成孔徑雷達(dá)圖像處理及其應(yīng)用研究[D];安徽大學(xué);2007年

10 盧巖;交通監(jiān)控中的運(yùn)動(dòng)人體目標(biāo)檢測與跟蹤[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 韓衛(wèi)潔;入侵報(bào)警系統(tǒng)中振動(dòng)源的目標(biāo)識(shí)別算法研究[D];長安大學(xué);2015年

2 曾誠宇;基于時(shí)序光度信號(hào)的目標(biāo)衛(wèi)星狀態(tài)特性估計(jì)[D];哈爾濱工業(yè)大學(xué);2015年

3 閆曉敏;智能監(jiān)控視頻中的目標(biāo)檢測、識(shí)別與跟蹤算法研究[D];電子科技大學(xué);2015年

4 黃浩;雙波段紅外成像目標(biāo)檢測與識(shí)別方法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

5 周天鳳;無重疊視域多攝像機(jī)目標(biāo)關(guān)聯(lián)研究[D];合肥工業(yè)大學(xué);2014年

6 王彬;基于改進(jìn)的ViBE和HOG的運(yùn)動(dòng)目標(biāo)檢測系統(tǒng)研究與實(shí)現(xiàn)[D];沈陽工業(yè)大學(xué);2016年

7 朱甲林;基于雷達(dá)信息巡航車前方關(guān)鍵目標(biāo)的判別研究[D];遼寧工業(yè)大學(xué);2016年

8 曹昊然;基于LLE與HMM的飛機(jī)序列目標(biāo)識(shí)別算法研究[D];東南大學(xué);2015年

9 季康;基于多分類器融合的多視點(diǎn)飛機(jī)目標(biāo)識(shí)別算法研究[D];南昌航空大學(xué);2016年

10 宮世杰;視頻監(jiān)控中基于ICP算法的多目標(biāo)跟蹤技術(shù)研究與實(shí)現(xiàn)[D];山東大學(xué);2016年

，

本文編號(hào)：1257833