检索结果-南通市图书馆

检索条件"主题词=低秩稀疏表征"

共 2 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于低秩稀疏表征的图像分类算法研究

基于低秩稀疏表征的图像分类算法研究

引用

作者：黄小巧浙江师范大学

学位级别：硕士

随着视频监控的普及和图像数据的海量增长,图像的人工检索与分类已经无法适应需求,这促进了图像分类技术的产生与发展。图像分类的关键技术是提取图像特征信息及其表征。由于提取后的特征数据维数过高,需对其进行降维处理,以免出现维数... 详细信息

随着视频监控的普及和图像数据的海量增长,图像的人工检索与分类已经无法适应需求,这促进了图像分类技术的产生与发展。图像分类的关键技术是提取图像特征信息及其表征。由于提取后的特征数据维数过高,需对其进行降维处理,以免出现维数灾难。自低秩稀疏表征理论提出以来,研究学者开始大量研究其在图像分类领域的应用并取得很多突破性的研究成果。受判别分析法、迁移学习及图论等理论知识的启发,有研究学者考虑在低秩稀疏表征基础上,结合其它领域理论知识,来提高算法的分类性能。图像分类技术虽然发展迅速,但现实需求(实时性、准确性等)和识别困难(光照、遮挡等)等问题,其还存在较大的发展空间。本文致力于基于稀疏低秩表征理论的图像分类算法研究,目标是获取更好的图像特征信息表征来提高图像的判别性,从而提高图像的分类性能。本文的主要研究工作如下：(1)对目前图像分类算法研究背景意义、低秩稀疏表征理论的发展及在图像分类中的应用作了综合分析,并介绍了国内外的研究现状以及图像分类算法面临的挑战与潜在的发展前景。(2)详细介绍了目前一些经典分类器、图像分类相关的基础理论知识以及基于低秩稀疏表征理论的图像分类算法。(3)结合稀疏低秩理论,本文基于LASSO (Least Absolute Shrinkage and Selection Operator)提出了局部保持投影的稀疏回归算法(SpLPP)。SpLPP把局部保持和稀疏性结合起来,同时将降维、特征选择综合在一种分析中。SpLPP算法的本质是在LASSO约束下求解保持局部特性的最佳投影,通过该算法得到的数据同时保留了局部结构与判别能力,有效提高了图像的分类性能。(4)本文将SpLPP算法应用于人脸识别,并通过两类实验来测试SpLPP算法的性能：一类实验测试其表征能力,另一类实验测试其分类能力。考虑到在小样本问题中,SpLPP可能不能直接应用,因此文本提出了其广义正则化形式RSpLPP使得算法更加适用。本文分别在合成数据集与Frey人脸数据集上测试SpLPP算法的表征能力。应用SpLPP算法,将训练集与测试集数据降维至2维。实验结果表明,SpLPP算法相比较于其他算法,能同时保留数据的局部结构与判别能力,因此具有更强的表征能力。本文分别在来自UCI的虹膜数据集和USPS数据集上测试SpLPP的分类性能。由对比实验可知,SpLPP算法具有更强的分类性能。

关键词：低秩稀疏表征图像分类降维人脸识别分类器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于低秩稀疏正则化特征表征学习的图像可记忆度预测研究

基于低秩稀疏正则化特征表征学习的图像可记忆度预测研究

引用

作者：商悦晨天津大学

学位级别：硕士

随着互联网和多媒体技术的快速发展,图片数据呈几何式增长。其中有一些图片令人们印象深刻,有一些图片却容易被人们忘记。近些年来,研究者们发现这种现象可用图像可记忆度解释,图像可记忆度是图像的固有属性,旨在描述一张图片能够被人... 详细信息

随着互联网和多媒体技术的快速发展,图片数据呈几何式增长。其中有一些图片令人们印象深刻,有一些图片却容易被人们忘记。近些年来,研究者们发现这种现象可用图像可记忆度解释,图像可记忆度是图像的固有属性,旨在描述一张图片能够被人记住的程度。目前,对图像可记忆度的研究主要有两方面,一方面是研究影响图像可记忆度的因素,另一方面专注于对图像可记忆度的预测。现有的很多图像可记忆度预测方法通过简单的特征串联表征图像,同时训练一个核化的支持向量回归来预测图像记忆度分数。以上策略虽然取得了一定的预测效果,但容易造成特征冗余,且特征学习与预测相互独立,缺少整体学习的机制,影响预测效果的进一步提升。本文基于对图像特征表征和预测模型的创新,针对图像可记忆度预测完成以下研究工作。本文提出了一种联合低秩稀疏表征的图像可记忆度预测方法,该方法的核心在于对原始特征矩阵进行低秩稀疏约束,实现有判别力的特征表征,解决特征冗余、信息含量少的问题。同时该方法通过学习一个稀疏的相关系数向量建立了有判别力的特征与图像可记忆度之间的对应关系。为了进一步提升预测模型性能,本文提出了一种基于低秩稀疏表征和关系推断的图像可记忆度预测方法,该方法将原始特征矩阵映射到低秩稀疏的子空间,同时利用逆协方差矩阵自适应地估计图片样本之间的关系结构,实现了对特征表征与回归预测的指导,极大地提升了图像可记忆度预测的鲁棒性。最后,本文在图像可记忆度领域公开的两个数据库上进行综合评测,大量的实验数据证明了本文所提出模型的鲁棒性和预测精度。

关键词：低秩稀疏表征关系推断图像可记忆度预测

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：