检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于半监督判别分析的领域自适应方法研究

计算机与数字工程 2023年第7期51卷 1663-1669页

作者：成佳骏李波武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430065

为解决传统机器学习中训练集(源域)与测试集(目标域)数据分布不一致导致分类准确率较低的问题,提出一种基于半监督判别分析和CDMD的领域自适应算法(SDA-CDMD)。首先,使用半监督判别分析(SDA)进行数据降维,保留了映射到低维子空间中数据... 详细信息

为解决传统机器学习中训练集(源域)与测试集(目标域)数据分布不一致导致分类准确率较低的问题,提出一种基于半监督判别分析和CDMD的领域自适应算法(SDA-CDMD)。首先,使用半监督判别分析(SDA)进行数据降维,保留了映射到低维子空间中数据的几何结构信息。其次,提出一种衡量两个域之间分布差异的度量准则:跨域均值差异(Cross-Domain Mean Discrepancy,CDMD)。最后,将SDA与CDMD结合,将两个域投影到同一子空间中,减少两个域之间的分布差异。在手写数字图像和计算机视觉数据集上进行的大量实验结果表明,所提算法优于传统的领域自适应方法,验证了其有效性。

关键词：领域自适应迁移学习半监督判别分析子空间学习特征选择

在线全文

学校读者我要写书评

暂无评论

多标记分类中的半监督降维和集成学习

多标记分类中的半监督降维和集成学习

作者：李平中南大学

学位级别：硕士

多标记分类及其应用是当前机器学习和数据挖掘领域的热点问题,其中多标记维度约减和多标记集成分类是非常值得研究和探讨的两个方向。传统机器学习的研究对象是数据样本仅具有一个标记的单标记问题,而本文主要研究样本同时具有多个标记... 详细信息

多标记分类及其应用是当前机器学习和数据挖掘领域的热点问题,其中多标记维度约减和多标记集成分类是非常值得研究和探讨的两个方向。传统机器学习的研究对象是数据样本仅具有一个标记的单标记问题,而本文主要研究样本同时具有多个标记的多标记问题。论文研究了多标记分类、半监督学习、维度约减和集成学习的基本方法及其在各种数据集上的应用,并分别从数据预处理和分类器集成两个角度,研究了如何结合半监督学习对高维多标记数据进行维度约减和如何利用集成学习提高多标记分类的性能。实际中常遇到高维多标记数据仅有少量标记样本而大部分样本却没有标记的情况,为了有效去除冗余特征并使用未标记样本提供的潜在信息,将半监督学习引入到多标记维度约减中,提出基于半监督判别分析的多标记维度约减算法(MSDA)。该算法利用标记样本的属性图加权矩阵和部分标记的相似关联矩阵,最大化不同类别样本之间的分离度,同时使用未标记样本估计原始高维数据在低维数据流行上的内在几何结构。实验表明,MSDA算法在多个分类评价指标上的平均性能均优于其他方法,证实了算法的有效性。针对多标记数据的分类性能不理想的问题,将集成学习引入到多标记分类中,提出一种基于软成对约束投影的多标记集成算法(SPACME)。该算法通过重采样训练样本提供的软成对约束信息建立初始基分类器,利用获得的cannot-link集合和must-link集合构建约束投影矩阵,并将原始数据映射到新的数据空间表示,然后在转换后的数据集上使用权重更新策略迭代地训练一组基分类器以增加差异性,最后对多个基分类器的结果使用多数投票的方法输出标记集。实验表明,SPACME算法利用软成对约束信息明显提高了多标记数据的分类准确率等各项性能,且算法具有良好的健壮性。

关键词：多标记分类多标记维度约减半监督判别分析多标记集成软成对约束投影

半监督特征提取算法及其在人脸识别应用中的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

半监督特征提取算法及其在人脸识别应用中的研究

作者：陈静逸安徽理工大学

学位级别：硕士

人脸识别的应用已经不再局限于安防、身份验证等领域,特别是近几年兴起的互联网金融、智慧城市等都为人脸识别等生物特征识别技术提供了巨大的潜在市场。人脸自动识别系统主要包括两大部分：检测定位部分与特征提取部分。特征提取作为... 详细信息

人脸识别的应用已经不再局限于安防、身份验证等领域,特别是近几年兴起的互联网金融、智慧城市等都为人脸识别等生物特征识别技术提供了巨大的潜在市场。人脸自动识别系统主要包括两大部分：检测定位部分与特征提取部分。特征提取作为人脸识别系统中关键的一步,其抽取结果的好坏直接影响了后续的分类识别。特征提取的主要目的是降低样本维数,如何有效地从人脸图像中抽取并描述个体特征,是人脸识别研究的关键问题之一。本文系统地介绍了目前具有代表性的人脸降维算法,包括经典的线性降维方法如主成分分析(PCA)方法、线性判别分析(LDA),以及流形学习中的线性方法如局部保持投影(LPP)等。在分析了上述方法各自优缺点并结合实际应用情况引出半监督降维方法,并以半监督判别分析(SDA)为例详述了算法思想及步骤。在此基础上借鉴流形正则化提出一种正则化半监督判别分析算法。该算法通过构建所有样本的近邻图来估计数据的局部与非局部几何结构,然后将此作为正则项引入改进的LDA的准则函数中,最后最大化目标函数来获得一组有效的分类投影轴。为了方便测试算法,本文最后实现了基于MATLAB的人脸测试仿真系统,并给出了相关系统设计、部分模块的具体实现。本文的贡献主要有：提出了一种正则化半监督判别分析算法,该方法通过重构类内、类间散度矩阵,强调了具有较小类间距的类并对类间距较大的类赋予惩罚,避免了有较小类间距的类重叠;在构造近邻图的过程中同时考虑了样本的局部和非局部几何结构,对分类产生了积极的影响,且由于添加了正则项在一定程度上解决了小样本问题;该方法是半监督性质的,对比同类算法,在样本标签较少的时候也表现出了很好的鲁棒性。最后在ORL和YALE人脸数据库上的实验结果证明了该算法具有较好的识别效果。

关键词：特征提取半监督降维半监督判别分析流形正则化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征迁移学习方法的跨库语音情感识别

清华大学学报（自然科学版） 2016年第11期56卷 1179-1183页

作者：宋鹏郑文明赵力烟台大学计算机与控制工程学院烟台264005 东南大学儿童发展与学习科学教育部重点实验室南京210096

在实际语音情感识别系统中,训练语音和测试语音往往来自不同的语料库,识别率下降显著。针对这一问题,该文提出一种有效的基于特征迁移学习的跨库语音情感识别方法。引入最大均值差异（maximum mean discrepancy,MMD）来描述不同数据库... 详细信息

在实际语音情感识别系统中,训练语音和测试语音往往来自不同的语料库,识别率下降显著。针对这一问题,该文提出一种有效的基于特征迁移学习的跨库语音情感识别方法。引入最大均值差异（maximum mean discrepancy,MMD）来描述不同数据库情感特征分布之间的相似度,并通过最大均值差异嵌入（maximum mean discrepancy embedding,MMDE）算法及特征降维算法来寻找二者之间的邻近低维特征空间,并在此低维空间中训练得到情感分类器用于情感识别。同时为了更好地保证情感信息的类别区分度,进一步引入半监督判别分析（semi-supervised discriminant analysis,SDA）方法用于特征降维。最后在2个经典语音情感数据库上对提出的方法进行实验评价,实验结果表明：提出的方法可以有效提高跨库条件下的语音情感识别率。

关键词：语音情感识别迁移学习特征降维半监督判别分析

在线全文

学校读者我要写书评

暂无评论

基于流形子空间学习的领域自适应方法研究

基于流形子空间学习的领域自适应方法研究

作者：成佳骏武汉科技大学

学位级别：硕士

传统机器学习方法只有在训练数据和测试数据满足相同分布时表现出良好的效果。在现实场景中,训练数据往往与测试数据分布不同,从而导致分类准确率降低。在领域自适应问题中,将训练数据作为源域;而将测试数据作为目标域。其目的是减少源... 详细信息

传统机器学习方法只有在训练数据和测试数据满足相同分布时表现出良好的效果。在现实场景中,训练数据往往与测试数据分布不同,从而导致分类准确率降低。在领域自适应问题中,将训练数据作为源域;而将测试数据作为目标域。其目的是减少源域和目标域之间的分布差异。本文提出两种基于流形子空间学习的领域自适应方法,用流形学习的方法将源域和目标域映射到同一子空间中去。在这个子空间中,源域数据和目标域数据有着相似的分布。本文的主要研究内容如下:(1)为了衡量源域样本集与目标域样本集之间的分布差异,本文提出一种跨域均值差异(Cross-Domain Mean Discrepancy,CDMD)的度量准则,进而提出一种基于半监督判别分析和跨域均值差异的领域自适应方法(SDA-CDMD)。首先,使用半监督判别分析(SDA)进行数据降维,保证了映射到低维子空间中数据的几何结构信息。然后将SDA与CDMD结合,将两个域投影到同一子空间中,减少两个域之间分布差异的同时保留了原始样本的流形结构。在手写数字图像和计算机视觉数据集上进行的大量实验结果表明,所提算法优于传统的领域自适应方法,验证了其有效性。(2)提出一种基于有监督局部保留投影和最大均值差异的领域自适应方法(SLPP-MMD)。该方法将有监督保留投影与MMD相结合,将源域和目标域投影到同一子空间中去。在迭代过程中为了避免将错误标注的伪标签目标域样本传播到下一次迭代训练,从而影响子空间的学习过程。本文提出一种新的伪标签样本选择方案和迭代策略。在与JDA算法的对比实验中,本文方法具有更好的收敛性能。同时,算法分类效果优于传统的领域自适应方法。

关键词：领域自适应流形学习半监督判别分析有监督局部保留投影

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多导联心电判别分析的研究及应用

多导联心电判别分析的研究及应用

作者：张翰林上海交通大学

学位级别：硕士

本文主要针对12导联的心电信号，提出了一个基于半监督判别分析（Semi-supervised DiscriminantAnalysis, SDA）的心电分类方法。多导联心电判别分析研究主要包括对心电信号预处理，心电信号特征提取，心电特征降维以及心电信号分类的... 详细信息

本文主要针对12导联的心电信号，提出了一个基于半监督判别分析（Semi-supervised DiscriminantAnalysis, SDA）的心电分类方法。多导联心电判别分析研究主要包括对心电信号预处理，心电信号特征提取，心电特征降维以及心电信号分类的研究。心电信号预处理主要针对原始的心电输入数据进行噪声消除、R波检测、心电波形切分等几个步骤，最终得到单一的心跳数据作为特征提取模块的输入。心电信号的特征主要采用小波变换方法进行提取。在心电特征降维方面，本文讨论了经典的线性判别分析方法的思想，并在线性判别分析的基础上，介绍了半监督判别分析的概念。半监督判别分析能够利用无类型标记的样本的结构化信息，并使用了正则化项提高泛化能力，适合采纳为特征降维的算法。最后，降维后的心电特征通过支持向量机实现心电的分类。实验结果表明，半监督判别分析的降维效果优于其它几种常用降维方法，并且本文提出的基于半监督判别分析的心电分类方法取得了较高的分类准确率。此外，作为应用，本课题还将实现一个远程心电诊断服务平台，并尝试在该平台上整合多导联心电判别分析方法，为医生提供辅助决策服务，提高心电诊断质量。通过该平台，患者可以在短时间内完成从采集心电数据到接受心电诊断结论的全过程。

关键词：心电半监督判别分析小波变换支持向量机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于谱技巧稀疏保持判别分析(英文)

聊城大学学报（自然科学版） 2012年第3期25卷 16-20页

作者：闫雪梅张丽梅郭文彬聊城大学数学科学学院山东聊城252059

稀疏保持判别分析(SPDA)是一种新型的基于图的半监督降维(SSDR)方法,近年来已被成功应用于解决诸多实际问题(如人脸识别).SPDA基于数据的稀疏重构关系建图,由于稀疏的特性,从而包含自然的判别信息.然而,在SPDA计算中涉及到稠密矩阵的特... 详细信息

稀疏保持判别分析(SPDA)是一种新型的基于图的半监督降维(SSDR)方法,近年来已被成功应用于解决诸多实际问题(如人脸识别).SPDA基于数据的稀疏重构关系建图,由于稀疏的特性,从而包含自然的判别信息.然而,在SPDA计算中涉及到稠密矩阵的特征分解从而导致在存储和记忆方面会耗费大量时间,为此,我们提出了一种新的SSDR算法-基于谱技巧稀疏保持判别分析(SSPDA),该方法将稀疏表示与谱技巧结合在一起.具体地,首先把投影函数的计算转化为一个回归类优化问题,然后借助岭回归技巧得到投影方向向量,从而有效的避免了稠密矩阵的特征分解问题.在两个单标号人脸数据上的实验结果表明了该算法的有效性.

关键词：半监督判别分析岭回归降维谱技巧人脸识别

在线全文

学校读者我要写书评

暂无评论

基于特征迁移学习方法的跨库语音情感识别

基于特征迁移学习方法的跨库语音情感识别