检索结果-南通市图书馆

基于共享子空间学习的多视角学习方法应用研究

在线全文

学校读者我要写书评

暂无评论

基于共享子空间学习的多视角学习方法应用研究

作者：谭易贵州大学

学位级别：硕士

信息技术的迅猛发展使人们生产与收集的数据呈现出多视角特性,且单个视角所提供的信息具有不全面性、不充足性,为了更加精确地诠释研究对象,多视角学习技术应运而生。多视角学习的基本思想是将描述对象的不同视角通过测度学习、协同训... 详细信息

信息技术的迅猛发展使人们生产与收集的数据呈现出多视角特性,且单个视角所提供的信息具有不全面性、不充足性,为了更加精确地诠释研究对象,多视角学习技术应运而生。多视角学习的基本思想是将描述对象的不同视角通过测度学习、协同训练、潜变量子空间学习等方式有效融合,得到对象目标的更具判别性的描述,为解决图像检索,视频浓缩,文档分类等诸多领域中存在的“语义鸿沟”问题提供了新的思路和方法。基于数据的高维性、多维性、冗余性及潜在几何结构难以琢磨等特点,研究如何高效地利用各个特征之间的潜在关系,获得能有效诠释数据的高层语义特征,具有一定的理论研究意义和应用价值。基于共享子空间学习的多视角学习方法是指在保持原始数据本质结构不变的情况下,利用数据本身蕴含的潜在关联属性,试图从多个高维原始特征空间发现一个所有视角共享的低维子空间,从而极其有效地诠释原始数据,并在一定程度上解决“维数灾难”。针对图像检索等多个领域常出现的“语义鸿沟”问题,本文围绕"基于共享子空间学习的多视角学习方法及其应用研究"这一主线来开展,利用基于矩阵分解的共享子空间学习算法对多视角数据进行降维,根据是否存在先验知识,建立相应的多视角学习模型。具体分为以下两个方面:1)针对各个特征贡献不均以及内在关联属性利用不充分导致学习效率低等问题,提出了一种基于非负矩阵分解(NMF)的多视角共享子空间聚类算法。我们利用NMF将多个高维数据映射于一低维子空间,并对低维表示引入了一定的约束条件,获得了强鲁棒性的聚类结果。更具体地说,利用Co-regularization函数约束每对视角,以挖掘出各个视角间的互补信息。同时,认为同一数据点对应的每个视角在聚类过程中都应分配到一个类,因此要求各个视角对应的低维表示与共享表示尽可能的相关。2)针对实际中附带类标的数据以及学习过程中信息丢失严重等情况,提出了一种基于PAF(patch alignment framework)的多视角共享子空间分类算法。在设计分类器的过程中,我们充分利用数据的类标特征指导学习过程,并利用DLA模型(Discriminative Locality Alignment)将多个类标特征之间的联系投影于一低维子空间,以探索数据潜在的几何结构。由于,实际中的数据经常伴随着噪声,我们采用鲁棒度量(CIM)构建重构误差项以减少学习损失,并利用相似度矩阵刻画各个视角对应的低维表示与低维共享表示之间的关系。此外,利用各个数据点的合页损失函数测量分类误差,学习获得了具有强判别能力的分类超平面。

关键词：共享子空间学习多视角学习矩阵分解聚类类标特征分类几何结构

基于联合子空间与多源适应学习的多标签视觉分类

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

西北师范大学学报（自然科学版） 2016年第6期52卷 56-63页

作者：严良达陶剑文浙江工商职业技术学院数字传媒学院浙江宁波315012 浙江大学宁波理工学院信息科学与工程学院浙江宁波315010

传统的视觉分类方法普遍忽视了多标签间的相关性和大量相关源数据的判别信息.为此,基于共享子空间和领域适应学习方法,针对多标签视觉分类问题,提出了一种新的联合子空间和多源适应学习的多标签视觉分类方法,简称为多源适应多标签学习(M... 详细信息

传统的视觉分类方法普遍忽视了多标签间的相关性和大量相关源数据的判别信息.为此,基于共享子空间和领域适应学习方法,针对多标签视觉分类问题,提出了一种新的联合子空间和多源适应学习的多标签视觉分类方法,简称为多源适应多标签学习(Multi-Source adaptation Multi-Label learning,MSML).MSML将综合考虑多标签相关性、灵活的特征相似性嵌入和多源模型的适应学习等目标,并将其融为一个统一的学习模型,其全局最优解只需通过一个广义特征分解问题的求解便可获得.在视频概念识别、自动图像标注等实际应用中进行比较分析,结果显示了本文方法的有效性和优越性.

关键词：共享子空间学习多源适应学习视觉分类多标签学习

在线全文

学校读者我要写书评

暂无评论

多视角数据缺失补全

软件学报 2018年第4期29卷 945-956页

作者：杨旭朱振峰徐美香张幸幸北京交通大学计算机科学与信息技术学院北京100044 现代信息科学与网络技术北京市重点实验室(北京交通大学) 北京100044

随着信息技术的快速发展,现实生活中不断涌现出大量的多视角数据,由此应运而生的多视角学习已成为机器学习领域的研究热点.然而,在数据获取过程中,由于收集的难度、高额成本或设备故障等问题,往往导致收集到的多视角数据出现视角缺失,... 详细信息

随着信息技术的快速发展,现实生活中不断涌现出大量的多视角数据,由此应运而生的多视角学习已成为机器学习领域的研究热点.然而,在数据获取过程中,由于收集的难度、高额成本或设备故障等问题,往往导致收集到的多视角数据出现视角缺失,这使得一些多视角学习方法无法有效进行.为此,提出一种基于视角相容性的多视角数据缺失补全方法.通过监督的共享子空间学习,获得与每类多视角数据相对应的共享子空间,从而建立视角相容性判别模型.与此同时,基于共享子空间重构误差等同分布的假设,提出了针对视角缺失的多视角数据的共享表征获取方法,实现多视角缺失数据的预补全.在此基础上,进一步通过多元线性回归实现缺失视角的精确补全.此外,还把所提出的视角补全方法拓展到解决含有噪声的多视角数据的降噪问题.在UCI、COIL-20以及人工合成数据集上的实验结果验证了所提算法的有效性.

关键词：多视角学习缺失数据补全共享子空间学习视角相容性跨媒体计算

在线全文

学校读者我要写书评

暂无评论

基于增强稀疏性特征选择的网络图像标注

软件学报 2015年第7期26卷 1800-1811页

作者：史彩娟阮秋琦北京交通大学信息科学研究所北京100044 华北理工大学信息工程学院河北唐山063009

面对网络图像的爆炸性增长,网络图像标注成为近年来一个热点研究内容,稀疏特征选择在提升网络图像标注效率和性能方面发挥着重要的作用.提出了一种增强稀疏性特征选择算法,即,基于l2,1/2矩阵范数和共享子空间的半监督稀疏特征选择算法(s... 详细信息

面对网络图像的爆炸性增长,网络图像标注成为近年来一个热点研究内容,稀疏特征选择在提升网络图像标注效率和性能方面发挥着重要的作用.提出了一种增强稀疏性特征选择算法,即,基于l2,1/2矩阵范数和共享子空间的半监督稀疏特征选择算法(semi-supervised sparse feature selection based on l2,1/2-matix norm with shared subspace learning,简称SFSLS)进行网络图像标注.在SFSLS算法中,应用l2,1/2矩阵范数来选取最稀疏和最具判别性的特征,通过共享子空间学习,考虑不同特征之间的关联信息.另外,基于图拉普拉斯的半监督学习,使SFSLS算法同时利用了有标签数据和无标签数据.设计了一种有效的迭代算法来最优化目标函数.SFSLS算法与其他稀疏特征选择算法在两个大规模网络图像数据库上进行了比较,结果表明,SFSLS算法更适合于大规模网络图像的标注.

关键词：网络图像标注稀疏特征选择 l2,1/2矩阵范数共享子空间学习半监督学习

在线全文

学校读者我要写书评

暂无评论

基于稀疏非负矩阵分解的图像检索

基于稀疏非负矩阵分解的图像检索

作者：马帅浙江大学

学位级别：硕士

当前,社会化标签系统日益流行。社会化标签系统已成为Web 2.0时代的标志性特征之一。用户可在不同的社会化标签系统中分享并自由标注不同媒体,比如在Flickr上分享并标注图片,在YouTube上分享视频并添加标签;同时,用户也可以在社会化标... 详细信息

当前,社会化标签系统日益流行。社会化标签系统已成为Web 2.0时代的标志性特征之一。用户可在不同的社会化标签系统中分享并自由标注不同媒体,比如在Flickr上分享并标注图片,在YouTube上分享视频并添加标签;同时,用户也可以在社会化标签系统中检索感兴趣的资源。这些不断发展的社会化标签系统,在不断丰富我们生活的同时,也给我们的研究工作带来了挑战与机遇。如何对用户自由添加的标签进行除噪音、去歧义等操作,提升标注的准确性,并进一步提高基于标签的信息检索的准确性?如何充分利用多种不同来源数据的丰富信息,实现多数据源间的迁移学习和相互辅助?这些问题已成为当前国内外研究的热点。针对上述问题,本文吸收了稀疏编码和共享子空间学习等方面的最新研究进展,提出了基于稀疏非负矩阵分解的多源利用（Multi-source Boosting by Sparse Nonnegative Matrix Factorization, MtBSNMF）算法。本文提出的基于稀疏非负矩阵分解的多源利用算法,通过联合稀疏非负矩阵分解分析多来源的数据,从中挖掘不同来源数据的共享子结构以及各来源对应的独立子结构,并籍此实现多数据源间知识的迁移学习。基于对稀疏非矩阵分解的多源利用（MtBSNMF）算法的研究,笔者在本文进一步开展了两部分的应用研究。第一部分,以标签为纽带联系两类不同的数据源,研究MtBSNMF算法在基于标签的图像检索领域的应用;第二部分,利用图像数据源的视觉特征,以视觉单词为纽带联系两类不同的图像数据源,研究MtBSNMF算法在样例查询和标签预测上的应用。实证表明,本文提出的方法具有一定的有效性和扩展性。

关键词：稀疏非负矩阵分解稀疏编码共享子空间学习迁移学习信息检索