检索结果-南通市图书馆

分类器设计及其在序列图像目标识别中的应用研究

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

分类器设计及其在序列图像目标识别中的应用研究

作者：唐杰国防科学技术大学

学位级别：硕士

随着现代计算机技术的不断进步,计算机因能够不断代替人类智能高效的工作,被赋予越来越重要的责任。其中,计算机视觉领域发展突飞猛进,而目标识别作为计算机视觉领域发展过程中的前沿方向,值得深入研究和探索。伴随着成像平台和成像技... 详细信息

随着现代计算机技术的不断进步,计算机因能够不断代替人类智能高效的工作,被赋予越来越重要的责任。其中,计算机视觉领域发展突飞猛进,而目标识别作为计算机视觉领域发展过程中的前沿方向,值得深入研究和探索。伴随着成像平台和成像技术的发展,视频序列图像逐渐成为常用的数据获取方式。本文针对当前目标识别存在的问题,重点考虑分类器的设计,结合序列图像数据的要求,进一步探索研究目标识别算法,完成了如下主要研究工作:1、通过阅读大量目标识别领域的国内外文献,归纳了针对序列图像数据的目标识别方法,并重点分析了基于统计学习目标识别算法的主体思想和关键技术,为分类器的设计奠定基础。2、提出了一种基于多分类器交互的目标识别算法,缓解了单分类器在小样本条件下训练不充分的问题,提高了目标正确识别率。首先,分别利用少量有标记样本集初步训练SVM、BP和Bayes分类器。然后轮流选择两个分类器对未标记样本进行分类,根据样本分类结果,用这些样本继续训练另外一个分类器,反复迭代,集成得到最终的目标分类器。本文用实测的可见光序列图像数据验证了所提方法的有效性。3、改进了一种基于AdaBoost分类器的目标识别算法,提高了训练效率和目标正确识别率。论文主要在弱分类器分类阈值设置上做了改进,包括两个方面:一是通过将特征值和类别标签结合的方式,快速确定使弱分类器错误率最小的最佳阈值区间;二是改变传统将阈值区间中值作为最佳分类阈值的设置方式,计算最佳分类阈值时考虑了样本特征值的分布概率,提升了阈值的稳健性。本文用实测可见光序列图像数据验证了所提方法的有效性。

关键词：目标识别特征提取序列图像分类器设计机器学习 AdaBoost分类器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于确定性退火技术的分类器设计

计算机工程与应用 2006年第3期42卷 172-174页

作者：曹治国邹飞勇张天序华中科技大学图像识别与人工智能研究所图像信息处理与智能控制国家教育部重点实验室武汉430074

针对传统分类器的缺陷,文章提出将分类问题看作一物理系统,把求解分类问题的最优解转化为模拟温度变化的物理系统的平衡态,通过求解一系列温度变化的物理系统自由能函数的极小来模拟物理系统的平衡态,最终达到物理系统的基态,即分类问... 详细信息

针对传统分类器的缺陷,文章提出将分类问题看作一物理系统,把求解分类问题的最优解转化为模拟温度变化的物理系统的平衡态,通过求解一系列温度变化的物理系统自由能函数的极小来模拟物理系统的平衡态,最终达到物理系统的基态,即分类问题的最优解。由确定性退火技术构造学习规则用于优化分类器参数,目的是减少分类误差以及待识别空间的系统熵。试验表明,将确定性退火技术用于分类器设计中,降低了分类误差,取得了良好的分类性能。

关键词：确定性退火技术分类器设计物理系统分类问题温度变化自由能函数学习规则平衡态最优解

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于张量模式的特征提取及分类器设计综述

山东大学学报（工学版） 2009年第1期39卷 6-14,40页

作者：张丽梅乔立山陈松灿南京航空航天大学计算机科学与工程系江苏南京210016 聊城大学数学科学学院山东聊城252000

(高阶)张量模式作为传统向量模式的扩展和补充,近年来已引起机器学习、模式识别等领域的广泛关注.对现有张量型学习算法进行总结:针对向量模式表示存在的问题,讨论了设计张量型学习算法的必要性和重要意义;从特征提取和分类器设计2个层... 详细信息

(高阶)张量模式作为传统向量模式的扩展和补充,近年来已引起机器学习、模式识别等领域的广泛关注.对现有张量型学习算法进行总结:针对向量模式表示存在的问题,讨论了设计张量型学习算法的必要性和重要意义;从特征提取和分类器设计2个层面,对现有张量型学习算法进行分类和汇总,并着重从多线性投影方式出发,讨论了其内在联系及优缺点;分析了张量模式与向量模式表示间的本质关系及各自优势;探讨了张量型学习算法有待解决的问题及可能的研究趋势.

关键词：张量模式表示特征提取降维分类器设计

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于样本先验信息的正则化型分类器设计研究

基于样本先验信息的正则化型分类器设计研究

作者：柯圣华东理工大学

学位级别：硕士

在模式识别问题中的分类器设计中,正则化技术被广为使用,并在理论与实际应用上取得了瞩目的成就。但是,正则化技术也面临着如何提高分类器的推广性能、如何更多的融合数据的先验信息、如何协调处理好整体与局部信息等问题。本文基于正... 详细信息

在模式识别问题中的分类器设计中,正则化技术被广为使用,并在理论与实际应用上取得了瞩目的成就。但是,正则化技术也面临着如何提高分类器的推广性能、如何更多的融合数据的先验信息、如何协调处理好整体与局部信息等问题。本文基于正则化技术,通过从样本整体和个体两个角度在分类器设计中引入数据先验信息,提高模型分类性能。具体的,本文首先从样本整体的先验信息角度提出了一种三层多核分类学习模型(Three-fold Structural Multiple Empirical Kernel Learning,TSMEKL);其次,从样本个体的先验信息角度提出了一种双边权向量分类器(Double MHKS,DMHKS)。本文的主要贡献在于：第一,在现在流行的多核学习算法框架之中,正则化型的分类器设计一般是集中于样本信息在特征空间下的分类信息,而较少关注在特征空间下样本相互之间的联系信息。对于同一样本在多个特征空间下所表达出的不同特征信息也鲜有集成起来用于分类器的设计。因此,本文从样本自身分类信息、样本相互间的结构、特征空间下的全局信息下的三个层次出发,设计了TSMEKL模型。TSMEKL采用经验核映射,避免了隐性核映射计算慢、复杂度较高的缺点。所设计的三个层次从整体的高度依次挖掘出原始样本结构、样本间簇结构和特征空间结构的先验信息。TSMEKL中各项相互平衡,共同促进分类器的性能优化。其后,通过大量的实验验证了该算法的有效性与适用性,并且对于TEMSKL'性能有影响的相关因素,进行了详细的实验研究和比较分析。最后在理论上和实验上验证了该模型有着较小的风险边界,具有良好的推广性能。第二,传统的正则化型分类器大多是面向向量型数据。数据在向量化的过程中,或多或少丢失了一些样本原始的结构信息。因此,为了有效利用数据自身的先验信息,本文提出了一个可以直接处理矩阵型数据的双边权向量分类器DMHKSo在设计过程中,DMHKS采用了一个双边权向量代替了一般的两个单边权向量的模式,能够有效简化计算复杂度和避免维度灾难。其后,通过实验比较发现,DMHKS与同级别线性分类器相比有着相当或者较优的性能,但是在分类器的训练时间上是远远领先于其他分类器。可见DMHKS具有的令人满意的分类性能的同时还具有领先的计算速度优势。最后,对影响DMHKS分类性能的相关因素做了讨论分析,给未来的进一步研究提供了一些思路。第三,本文分别从样本整体先验信息和样本个体先验信息出发,立足点都是挖掘利用更多结构信息来设计正则化型分类器。TSMEKL所采用的三层结构,可以在每个层次上结合相关技术进一步做深入研究,因此实际上它是一个行之有效的分类学习框架,有着较大的兼容性和扩展性。DMHKS采用分类器设计思路,可以用于现有矩阵型线性分类模型的优化与改进,具有较大的启发性和拓展性。

关键词：正则化学习先验信息经验核映射多核学习分类器设计

矩阵型分类器设计研究及其在银行卡交易识别系统中的应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

矩阵型分类器设计研究及其在银行卡交易识别系统中的应用

作者：倪晨一华东理工大学

学位级别：硕士

模式识别是自动化应用中的重要组成部分,广泛应用于社会中的各个领域,其通过使用计算机来模拟人类的识别能力。模式分类是模式识别的典型应用之一,例如：肿瘤良性判断,个人身份鉴定,垃圾邮件分类。传统模式分类器的模式为向量模式,即使... 详细信息

模式识别是自动化应用中的重要组成部分,广泛应用于社会中的各个领域,其通过使用计算机来模拟人类的识别能力。模式分类是模式识别的典型应用之一,例如：肿瘤良性判断,个人身份鉴定,垃圾邮件分类。传统模式分类器的模式为向量模式,即使用数组来代表事物,数组中的元素以数值的形式来表示事物的各种特征。但对于类似图像模式的这种数据源为二维的模式,需要通过给定的规则转化为向量的模式后再被分类器进行处理。近年来,以面向矩阵模式(二维模式)为代表的非向量模式分类器得到了大量的研究关注与发展,相关的文献与实验通过在向量型算法或分类器的基础上进行了一系列的矩阵模式化改造,使其无需对数据源进行转化而直接对二维矩阵模式的数据源进行处理。由于矩阵型分类器与向量模式的分类器相比之下,增加了一个右权向量,且与左权向量互相依赖,计算复杂度较高,且在相关的矩阵分类器的文献中表明其还具有矩阵依赖性的特点。针对上述的问题,本文尝试将随机投影的概念引入矩阵型分类器,并且利用样本在不同空间中的投影来获得样本的多样性,并将多矩阵模式同时参与分类器的训练过程,从而降低矩阵的依赖性问题,最后采用集成的学习的方法,设计基于多矩阵模式的随机投影矩阵型分类器。本文的主要内容如下：1)选用已有的MatLSSVM与MatMHKS矩阵型分类器作为蓝本,通过采用随机投影的方式,用于确定其右权向量,并在此基础上,利用多次随机投影带来的样本多样性的特点,采用AdaBoost与Bagging等的集成算法,设计基于随机投影的矩阵模式最小平方支持向量机(RPMatLSSVM)与基于随机投影的矩阵模式正则化Ho-Kashyap分类器(RPMatMHKS),并在真实数据集上进行实验验证。2)对矩阵型分类器所具有的矩阵模式依赖问题进行研究,该问题表现为矩阵型分类器在同一个样本集的不同矩阵模式下所获得的分类结果互不相同,其中必然存在识别正确率的优劣;针对这个问题,本文在RPMatMHKS与RPMatLSSVM的基础上引入多矩阵模式训练并集成的方法,设计了多矩阵模式的随机投影支持向量机(MRPLSSVM)与多矩阵模式的随机投影正则化Ho-Kashyap分类器(MRPMHKS),使随机投影的矩阵模式分类器能够获得更广泛的适用范围。3)在一个已有的银行卡交易识别系统中,实例化MRPLSSVM的算法模块,将历史的交易数据制作为样本集与测试集,模拟历史交易模式分类的正确率测试,同时将当前所采用的多阈值分类方法作为对照组,对测试结果进行讨论。

关键词：模式识别分类器设计随机投影矩阵模式

基于信息论的加权Laplacian分类器设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于信息论的加权Laplacian分类器设计

作者：曹连连南京航空航天大学

学位级别：硕士

传统的Laplacian分类器是一种在核特征空间中与Laplacian矩阵特征值相关的分类器，其分类准则基于信息论中的Cauchy-Schwarz(CS)散度，数学上能归结为核特征空间中类均值间的角度度量。该分类器的设计不涉及任何优化，由此降低了分类复... 详细信息

传统的Laplacian分类器是一种在核特征空间中与Laplacian矩阵特征值相关的分类器，其分类准则基于信息论中的Cauchy-Schwarz(CS)散度，数学上能归结为核特征空间中类均值间的角度度量。该分类器的设计不涉及任何优化，由此降低了分类复杂度，实验已表明,Laplacian分类器优于Parzen窗贝叶斯分类器，且在许多情况下与SVM有相当的分类性能。但由于其分类准则的值与测试点的概率密度成反比，故对应的分类器更强调小概率域，导致对较高概率域的分类效果一般。针对此，本文进行了一系列工作，先后提出了两个改进方法，即单边和双边加权Laplacian分类器。针对传统Laplacian分类器对小概率域分类较好，对高概率域分类效果一般的问题，通过对小样本类用加权Parzen窗概率密度估计，并用CS散度作为代价函数优化相应权值，而后依据Laplacian分类准则设计出单边加权Laplacian分类器。实验表明，单边加权Laplacian分类器在平衡数据集上的分类结果明显优于Laplacian分类器，而在不平衡数据集上的分类结果则一般。针对此，本文进一步提出了改进方法，即双边加权Laplacian分类器。针对单边加权Laplacian分类器在平衡数据集上分类效果较好，在不平衡数据集上分类性能较一般的问题，通过对两类数据均采用加权Parzen窗概率密度估计，并用CS散度作为代价函数优化相应权值，而后再根据Laplacian分类准则设计双边加权Laplacian分类器准则函数。实验表明，在不平衡数据集上，双边Laplacian分类器保留了与单边加权Laplacian分类器相当的分类效果，而在平衡数据集上，双边加权Laplacian分类器明显优于单边加权Laplacian分类器。

关键词：分类器设计 Laplacian分类器 Parzen窗单边加权 Cauchy-Schwarz散度双边加权

雷达辐射源个体识别中的分类器设计与子空间学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

雷达辐射源个体识别中的分类器设计与子空间学习

作者：史亚西安电子科技大学

学位级别：硕士

雷达辐射源个体识别在整个雷达对抗中占有重要地位。随着雷达技术的迅速发展及新体制雷达的应用,传统的识别方法逐渐失效。因此,从信号处理角度看,需要发展更为有效的个体特征提取方法,而从模式识别角度看,相应的分类器设计及特征的进... 详细信息

雷达辐射源个体识别在整个雷达对抗中占有重要地位。随着雷达技术的迅速发展及新体制雷达的应用,传统的识别方法逐渐失效。因此,从信号处理角度看,需要发展更为有效的个体特征提取方法,而从模式识别角度看,相应的分类器设计及特征的进一步精简与优化也变得至关重要。本文以两种有效的辐射源个体特征为依托,重点研究了雷达辐射源个体识别中的分类器设计及基于子空间学习的降维技术。在个体特征提取中,分别介绍了基于循环谱零点切片和基于模糊函数切片串联的特征提取方法。在实测雷达辐射源数据上的实验结果充分验证了这两种特征提取方法的有效性,从而为辐射源的个体识别提供了稳定可靠的分类特征。在分类器设计中,首先介绍了六种能够输出后验概率的分类器,继而通过一定的概率融合函数可靠地实现了多分类器的组合。进一步,考虑到实际系统必须能够拒判库外目标,先由后验概率估计出广义置信度,从而设定一定的门限实现了系统对库外目标的拒判功能,最后给出多种评价系统性能的指标。实验结果验证了分类器组合的优势,以及基于广义置信度的拒识算法的可行性。在子空间特征降维中,重点研究了线性判别子空间学习和核判别子空间学习两大降维技术。其中,核子空间方法是通过特定的核技巧对线性子空间方法的扩展。我们将目前已有的各种经典算法归纳为单子空间学习和多子空间学习两大类,并研究了各方法在图像识别与雷达辐射源识别中的应用。实验结果表明,无论是线性方法还是核方法,由于考虑到子空间的互补性,多子空间学习具有更鲁棒的识别性能;而由于算法的数据依赖性,从线性方法到核方法的推广不一定意味着识别率的提升,需要根据实际数据的分布和工程需求选择合适的方法。

关键词：雷达辐射源识别分类器设计子空间学习核方法库外目标拒识

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于点集Voronoi图的分类器设计

基于点集Voronoi图的分类器设计

作者：严涛河北师范大学

学位级别：硕士

Voronoi图是计算几何的一个重要分支,在计算几何理论和应用中发挥着很大的作用。随着Voronoi图概念不断渗入到各个应用领域,人们逐渐开始研究Voronoi图在各方面的扩展。本文提出一种新的Voronoi图─点集Voronoi图,给出了它的生成算法,... 详细信息

Voronoi图是计算几何的一个重要分支,在计算几何理论和应用中发挥着很大的作用。随着Voronoi图概念不断渗入到各个应用领域,人们逐渐开始研究Voronoi图在各方面的扩展。本文提出一种新的Voronoi图─点集Voronoi图,给出了它的生成算法,并将其应用于模式分类。点集Voronoi图是将Voronoi图的生成元由点扩展到点集而成。基于点集Voronoi图设计的模式分类器,是一种二维特征空间的非线性分类器,可直接应用于模式分类。用该方法进行分类,简单,速度快。本文还给出了用Visual C++语言实现模式分类的主要源程序。

关键词：点集 Voronoi图计算几何分类器设计模式识别

基于计算约简与代价敏感的多核分类器设计与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于计算约简与代价敏感的多核分类器设计与实现

作者：牛增欣华东理工大学

学位级别：硕士

多核学习算法能够有效地解决单核学习不能很好处理的数据固有特征异构、属性分布不规则,样本分布不平坦等问题;另外由于其灵活性好,能够较好地诠释数据固有特性而受到越来越多的关注。然而,多核学习算法存在时间和空间复杂度较高等缺陷... 详细信息

多核学习算法能够有效地解决单核学习不能很好处理的数据固有特征异构、属性分布不规则,样本分布不平坦等问题;另外由于其灵活性好,能够较好地诠释数据固有特性而受到越来越多的关注。然而,多核学习算法存在时间和空间复杂度较高等缺陷,同时由于目前存在的多核学习算法并没有对每个候选核矩阵在构造最优融合矩阵中的贡献进行评估和衡量,而是选用所有的候选核矩阵参与最优融合矩阵的构造过程,这种构造方法会在一定程度上增大算法的冗余度和计算成本,也会在一定程度上影响所设计分类器的合理性。针对这些问题,本文从多核学习效率问题出发,提出了几个基于计算约简与代价敏感的多核分类器设计算法,并且通过实验验证这些算法的有效性。本文的主要工作如下：（1）根据多核学习算法的框架模型,采用不同的核方法将原始空间中的样本信息映射到各异的高维空间内,在每个高维空间中采用Nystrom近似矩阵算法优化原始核矩阵,根据每个近似候选核矩阵与原始矩阵之间的近似误差确定每个近似候选核矩阵在多核学习框架模型中的组合系数;然后将这些近似候选核矩阵按照凸组合的方式进行融合,得到最优的融合矩阵;最后,将得到的融合矩阵引入KMHKS算法中构造时间复杂度和空间复杂度都较低的且分类性能较好的新的多核学习分类器,继而提出了NMKMHKS算法。为了验证该算法的有效性和可行性,设计了在人工数据集合和UCI数据集合上的实验验证了该方法的效率。（2）对所提出的多核学习算法中的每个近似候选核矩阵在构造最优融合矩阵中的贡献进行评估和衡量,在算法NMKMHKS中引入代价敏感的思想,通过设定不同的阈值,在不影响分类器性能的前提下剔除那些在构造融合矩阵时贡献不大的近似候选核矩阵,从而在降低了多核学习算法的复杂程度,并由此提出了CMVLM算法。通过在UCI数据集合、图像数据集和生物数据集合上的大量对比实验,验证了该想法的有效性和合理性。（3）对原始的单源模式在向高维空间映射过程中没有采用传统的隐性核映射方法,而是直接采用经验核映射的方法进行处理,从而在基于代价敏感思想在隐性核学习中的实验验证,实现将代价敏感的思想引入经验核学习过程中,提出了代价敏感的经验核学习算法CRMEK-MHKS,并且根据实验结果验证了该方法的有效性。本文提出的这些算法提高了多核学习算法的效率,降低了时间和空间的开销。同时,通过引入代价的思想来衡量不同的候选核矩阵在构造分类器中的贡献,也在保证和提高分类性能的前提下进一步优化了所设计的分类器算法。

关键词：多核学习分类器设计 Nystr(o|¨)m近似矩阵模式分类代价敏感经验核映射