检索结果-南通市图书馆

检索条件"主题词=线性度量学习"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于度量学习的海底底质分类算法研究

基于度量学习的海底底质分类算法研究

引用

作者：靳维哈尔滨工程大学

学位级别：硕士

随着高分辨率成像声呐技术的发展,基于声呐图像的海底底质分类技术成为主流底质识别技术之一。许多学者使用支持向量机、K最近邻法、K均值聚类法、随机森林、神经网络等算法对海底底质声呐图像进行分类,取得了不错的效果。尤其是K最近... 详细信息

随着高分辨率成像声呐技术的发展,基于声呐图像的海底底质分类技术成为主流底质识别技术之一。许多学者使用支持向量机、K最近邻法、K均值聚类法、随机森林、神经网络等算法对海底底质声呐图像进行分类,取得了不错的效果。尤其是K最近邻法、K均值聚类法等依赖底质特征间相似度度量的方法,在一定情况下克服了由海底底质分布不均匀导致的数据偏斜问题。但海底情况错综复杂,当形成的海底底质数据集中每种底质的样本数量相差过大,分类器的分类效果便会受到较大影响。因此,找寻一个合适的度量来重新规划底质样本的分布对弥补现有算法在海底底质分类中的不足,提升海底底质的分类识别能力具有重要的意义。针对海底底质数据特点和依赖相似度度量的传统算法在底质分类中存在的不足,本文将度量学习方法应用到海底底质分类当中,通过度量学习算法改善海底底质特征的分布情况,提高分类准确率。首先,对原始侧扫声呐数据进行处理,实现图像畸变校正、增益补偿,完成数据集制作,保证了用于后续研究的数据的可靠性。采用统计法、模型法、信号处理法提取海底底质特征,在此基础上,研究海底底质多特征提取方法,最大程度地提取出海底底质特征。用过滤法过滤海底底质特征集合中冗余特征和无关特征,完成底质特征选择,为后续实验提供了准确可靠的海底底质特征数据。其次,针对依赖相似度度量的传统算法在海底底质分类中的不足,本文将线性度量学习思想应用到海底底质分类中。从海底底质特征的统计学角度和实际距离信息出发,分别采用信息论度量学习(Information-Theoretic Metric Learning,ITML)和大间隔最近邻分类的距离度量学习(Large Margin Nearest Neighbor,LMNN)优化海底底质特征空间分布,提升底质分类效果。实验结果表明两种线性度量学习算法在海底底质分类任务中具有可行性,且基于LMNN的海底底质分类算法对海底底质具有更好的区分识别能力。最后,针对线性度量学习算法LMNN无法区分海底底质特征空间中类边界元素点的问题,本文结合实际分类结果分析线性度量学习的局限性,将非线性度量学习思想应用到海底底质分类中,采用梯度增强非线性度量学习算法(Gradient Boosting Large Margin Nearest Neighbor,GB-LMNN)和鲁棒结构度量学习算法(Robust Metric Learning to Rank,R-MLR)优化海底底质特征空间分布,实验结果表明GB-LMNN算法对海底底质特征空间分布具有更好的改善效果。

关键词：海底底质线性度量学习非线性度量学习分类识别

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

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

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

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

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：