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

优化局部鉴别的领域相关支持向量机

小型微型计算机系统 2014年第10期35卷 2363-2369页

作者：任世锦宋执环凌萍杨茂云浙江大学工业控制国家重点实验室杭州310027 江苏师范大学计算机学院江苏徐州221116

利用数据集几何结构鉴别信息、未标记数据集等隐含先验信息是提高模式分类器性能的有效方法.实际数据集不仅具有多模态、含噪、高维等特性,而且训练数据集和测试数据集分布存在差异的现象,降低了支持向量机(Support vector machine,SVM... 详细信息

利用数据集几何结构鉴别信息、未标记数据集等隐含先验信息是提高模式分类器性能的有效方法.实际数据集不仅具有多模态、含噪、高维等特性,而且训练数据集和测试数据集分布存在差异的现象,降低了支持向量机(Support vector machine,SVM)的性能.基于迁移学习、局部fisher鉴别分析等方法,提出一种优化局部鉴别领域相关支持向量机算法.该方法提出一种基于维数约简的自适应距离度量学习方法,消除数据噪声以及冗余特征,更好地描述数据局部几何特性;通过把局部fisher鉴别信息嵌入到SVM,提高了算法对多模态、不可分数据集的分类性能;把源数据集与目标数据集分布差异信息引入SVM目标函数中,解决了因训练数据与目标数据数量差别过大而导致传统SVM性能下降的问题.基于最小二乘SVM原理和ε-dragging技术把本文方法扩展到多分类问题,保证算法的泛化性能,降低多分类器训练计算量.仿真结果表示,本文方法具有良好的模式分类性能.

关键词：支持向量机领域相关局部fisher鉴别分析距离度量学习多分类

在线全文

学校读者我要写书评

暂无评论

一种高效的人脸识别算法

计算机工程 2011年第22期37卷 134-136页

作者：孙霞王自强武汉理工大学计算机科学与技术学院武汉430070 河南工业大学信息科学与工程学院郑州450001

提出一种基于局部fisher鉴别分析(LFDA)和优化支持向量机(SVM)的高效人脸识别算法。在综合考虑局部几何结构和类别信息的基础上,利用LFDA将高维人脸数据映射到低维特征空间,避免维数灾难问题。在该低维特征空间中,使用经乘性更新规则训... 详细信息

提出一种基于局部fisher鉴别分析(LFDA)和优化支持向量机(SVM)的高效人脸识别算法。在综合考虑局部几何结构和类别信息的基础上,利用LFDA将高维人脸数据映射到低维特征空间,避免维数灾难问题。在该低维特征空间中,使用经乘性更新规则训练的优化SVM对人脸数据进行分类识别。在人脸数据库上的实验结果表明,该算法的运算速度较快,识别准确率较高。

关键词：人脸识别局部fisher鉴别分析支持向量机流形学习特征提取乘性更新规则

在线全文

学校读者我要写书评

暂无评论

基于局部类内结构的鉴别性字典学习方法

计算机应用研究 2021年第2期38卷 489-494,500页

作者：陈子鎏胡高鹏王晓明黄增喜杜亚军西华大学计算机与软件工程学院成都610039 西华大学机器人研究中心成都610039

针对支持向量引导的字典学习(support vector guided dictionary learning,SVGDL)的鉴别约束项只体现了大间隔原理,而没有很好地利用数据空间内在结构信息的问题,提出了一种新颖的鉴别性字典学习方法——基于局部类内结构的鉴别性字典... 详细信息

针对支持向量引导的字典学习(support vector guided dictionary learning,SVGDL)的鉴别约束项只体现了大间隔原理,而没有很好地利用数据空间内在结构信息的问题,提出了一种新颖的鉴别性字典学习方法——基于局部类内结构的鉴别性字典学习方法。该方法结合了大间隔原理和局部fisher线性鉴别分析作为鉴别约束条件来指导指点学习。通过建立一个局部类内散度矩阵来编码数据空间的分布结构,增强了挖掘同类数据空间局部结构的能力并进一步地表示了编码向量在数据空间中的局部相似性。为了评价提出方法在图像识别上的表现,在几个常见图像数据集上进行了实验。结果表明,提出方法与大间隔方法相比,在平均识别率上有着明显的提高。

关键词：字典学习协作表示支持向量机局部fisher鉴别分析图像识别

基于数据空间结构特征的字典学习理论及应用研究

在线全文

学校读者我要写书评

暂无评论

基于数据空间结构特征的字典学习理论及应用研究

作者：陈子鎏西华大学

学位级别：硕士

鉴别字典学习(Discriminative Dictionary Learning,DDL)方法自提出以来便在图像识别,目标检测,超分辨率图像重建以及压缩感知等实际任务中取得了优异的表现,并因此成为了计算机视觉和图像处理领域的研究热点之一。支持向量驱动的字典学... 详细信息

鉴别字典学习(Discriminative Dictionary Learning,DDL)方法自提出以来便在图像识别,目标检测,超分辨率图像重建以及压缩感知等实际任务中取得了优异的表现,并因此成为了计算机视觉和图像处理领域的研究热点之一。支持向量驱动的字典学习(Support Vector Guided Dictionary Learning,SVGDL)方法是一种典型的鉴别字典学习方法。SVGDL利用支持向量机(Support Vector Machine,SVM)作为约束项来指导鉴别性字典和分类器的训练,并最终完成分类任务。然而,SVGDL建立分类超平面时只考虑了数据空间的边界样本信息,而忽略了数据空间的内在信息,进而影响了模型泛化性能的提高。针对大间隔原理在驱动字典学习上的缺点,同时进一步研究数据空间结构对鉴别性字典模型在泛化性能上的影响,本论文提出了如下两种方法:(1)针对SVGDL在训练鉴别性字典和分类器时未充分利用数据样本分布信息的问题,本论文将大间隔原理和局部fisher鉴别分析作为鉴别约束项来指导字典学习。通过建立一个局部类内散度矩阵来编码同类数据的空间分布信息,以此表示编码向量在数据空间中的相似性。促使模型在泛化性能上的提高,进而提出了最小类内局部方差指导的鉴别字典学习(Discriminative dictionary learning based on minimum class locality preserving variance support vector,MPSVGDL)。(2)针对SVGDL只考虑了各类数据的边界信息,而忽略了数据空间的潜在流形结构也是影响分类器泛化性能的因素之一的问题,本论文提出了全局数据流形结构指导的鉴别字典学习方法(Discriminative Dictionary Learning based on Global Manifold Structure of Data,GMSDDL)。其通过建立局部权重矩阵来编码各类的局部流形结构,并进一步通过类内权重传播的方式建立各类的全局传播矩阵,进而充分挖掘了各类数据的信息分布以及潜在的结构信息。为了验证所提的方法在图像分类上的有效性,论文分别在7种常见的人脸数据集,物体数据集和手写数据集上对所提方法进行了综合性的实验。结果表明,与传统的大间隔方法相比,本论文提出的方法获得了更高的平均识别率并体现了更强的泛化能力。

关键词：字典学习协作表示支持向量机局部fisher鉴别分析局部保持投影法数字图像分类