检索结果-南通市图书馆

运筹学学报 2018年第3期22卷 1-14页

作者：唐静静田英杰中国科学院大学数学科学学院北京100049 中国科学院虚拟经济与数据科学研究中心北京100190 中国科学院大学经济与管理学院北京100190

针对同一对象从不同途径或不同层面获得的特征数据被称为多视角数据.多视角学习是利用事物的多视角数据进行建模求解的一种新的机器学习方法.大量研究表明,多视角数据共同学习可以显著提高模型的学习效果,因此许多相关模型及算法被提出... 详细信息

针对同一对象从不同途径或不同层面获得的特征数据被称为多视角数据.多视角学习是利用事物的多视角数据进行建模求解的一种新的机器学习方法.大量研究表明,多视角数据共同学习可以显著提高模型的学习效果,因此许多相关模型及算法被提出.多视角学习一般需遵循一致性原则和互补性原则.基于一致性原则,Farquhar等人成功地将支持向量机(Support Vector Machine,SVM)和核典型相关分析(Kernel Canonical Correlation Analysis,KCCA)整合成一个单独的优化问题,提出SVM-2K模型.但是,SVM-2K模型并未充分利用多视角数据间的互补信息.因此,在SVM-2K模型的基础之上,提出了基于间隔迁移的多视角支持向量机模型(Margin transfer-based multi-view support vector machine,M2SVM),该模型同时满足多视角学习的一致性和互补性两原则.进一步地,从一致性的角度对其进行理论分析,并与SVM-2K比较,揭示了M^2SVM比SVM-2K更为灵活.最后,在大量的多视角数据集上验证了M2SVM模型的有效性.

关键词：多视角学习一致性原则互补性原则核典型相关性

来源：

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

图像降维及其在人脸识别中的应用

图像降维及其在人脸识别中的应用

引用

作者：程强江南大学

学位级别：硕士

人脸识别是一项极具发展潜力的生物特征识别技术，随着阁像处理、模式识别、机器学>」、计算机视觉等研究领域的技术发展，人脸识别技术逐渐成为模式识别中最热门的课题之一，同时它也逐渐变成人们日常生活中确认人们身份的常用手段之... 详细信息

人脸识别是一项极具发展潜力的生物特征识别技术，随着阁像处理、模式识别、机器学>」、计算机视觉等研究领域的技术发展，人脸识别技术逐渐成为模式识别中最热门的课题之一，同时它也逐渐变成人们日常生活中确认人们身份的常用手段之一。在人脸识别研究领域中，图像降维(特征提取)是人脸识别中非常重要的一个环节，降维算法的好坏直接影响人脸识别的识别率。图像降维的基本任务是压缩特征空间的维数，它通过对数据的许多特征进行分析，从中找出最有利于分类识别的特征来达到R的。本文对一些已存在的降维算法进行研究，主要工作如下： (1)研究了一种局部非参数子空间分析算法。该算法结合NSA和LPP两种方法，重构类内散度矩阵，使其类分离度最大化的同时能够保留类的局部结构。改进算法一方面克服了NSA仍然保留样本的全局结构的缺点，另一方面解决了LPP没有利用标签信息的缺点。 (2)在局部非参数特征分析算法的基础上，利用分块的方法，研究了分块NFA算法。本方法从两个方面进行考虑一：是在人脸识别中，人脸的姿态、表情和光照条件等容易发生变化，并且存时变化较大，这对识别结果造成一定影响。而实际上当人脸的姿态、表情和光照条件等发生变化时，仅有部分人脸E域变化明显，其他部分变化不明显，甚至没有变化，对划分后得到的子图像进行参数特征分析可以捕获人脸的局部特征，有利于进行识别。二是对原始图像分块，不仅以2的指数次幂降低图像矩阵的维数，而且还以2的指数次幂增加子图像的数目，从而可以解决小样本问题和向量维数过高的问题。 (3)—方面由于人脸图片包括大量的表情、方向、光照的变化，而单一图片并+能提供充足的识别信息，但冋-0标的多个图片能提供更多的识别信息，所以基f图片集的识别方法应该能得到更好的识别效果。另一方面由于典型相关性能捕获更多的图片集信息，所以用典型相关性来描述两个图片集相似性得到广泛关注。据此，典型相关性鉴别分析算法被提出并成功应用于人脸识别。由于该算法是线性的，对于非线性问题不能很好解决。而基于核映射的方法是一种广泛使用的非线性方法。所以，在典型相关性鉴别分析的基础上，提出了核典型相关性鉴别分析。

关键词：人脸识别图像降维局部非参数特征分析分块非参数子空间分析核典型相关性

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

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：