检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于锚点图的高光谱图像聚类算法研究

基于锚点图的高光谱图像聚类算法研究

作者：许裕雄广东工业大学

学位级别：硕士

随着遥感成像技术的发展,高光谱遥感图像具有很高的光谱分辨率,能够充分反映地物的细微特征,被广泛应用于农业、军事和科学研究。高光谱图像(Hyperspectral Images,HSI)蕴含大量的空间和光谱信息,由数百个甚至数千个连续的光谱波段组成... 详细信息

随着遥感成像技术的发展,高光谱遥感图像具有很高的光谱分辨率,能够充分反映地物的细微特征,被广泛应用于农业、军事和科学研究。高光谱图像(Hyperspectral Images,HSI)蕴含大量的空间和光谱信息,由数百个甚至数千个连续的光谱波段组成,且波段之间的相关性很高。根据不同地物光谱特征的差异,高光谱图像的精细分类与识别得到广泛的研究。聚类分析是一种有效的数据分析工具,对高光谱图像进行聚类有助于实现地物的监测、勘测和划分。聚类是一种经典的无监督学习方法,它将相似的未标签HSI数据划分为同一类。在传统的聚类算法中,K-means算法和模糊聚类算法因其计算复杂度低而广泛应用于高光谱图像聚类。当HSI数据的分布结构为非凸时,这些算法会陷入局部最优,难以获得良好的聚类性能。而基于图论的聚类算法由于不受数据分布类型的限制,可以对不同类型的数据进行聚类,成为国内外学者的研究热点之一。基于图论的聚类算法需要建立一个与数据分布相适应的图,每个数据点为图的顶点,图的边为两两数据点之间的相似性度量。现有的基于图论的聚类算法可以得到较好的聚类结果,但随着HSI数据的急剧增加,如何获得精度高和计算复杂度低的聚类结果对于高光谱图像的实际应用具有重要意义。基于此,本文分别在传统基于图论的聚类算法和模糊聚类算法下提出了两种算法,具体的研究内容如下:(1)针对传统基于图论的聚类算法计算复杂高的问题,提出基于二叉树锚点的高光谱快速聚类算法(FHC-BTA)。结合高光谱图像的空谱信息,FHC-BTA算法首先利用二叉树方法从原始HSI数据中选取一些数据点,作为锚点。然后,构造基于锚点的无核相似图,避免人为调节高斯核参数。最后,进行谱聚类分析,并获得算法的聚类结果。实验结果表明,与传统的聚类算法相比,FHC-BTA算法能够在较短的时间内获得更佳的聚类精度。(2)针对传统的模糊聚类算法在高光谱图像分类中精度低的问题,提出了基于二部图的高光谱模糊嵌入聚类算法(FECBG)。FECBG算法将基于二部图的非负正则化项与模糊聚类模型相结合,构造统一的模糊聚类模型。首先,构造二部图矩阵来描述了HSI数据和锚点之间的连通性。然后,采用快速谱嵌入算法获得低维表示的谱嵌入数据,实现降低算法的计算复杂度。最后,将基于二部图的非负正则化项添加到模糊聚类中,以约束模糊隶属度矩阵的解空间,从而降低模糊聚类对初始聚类中心的敏感性,并取得了良好的聚类性能。

关键词：高光谱图像聚类锚点图二叉树模糊嵌入

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于锚点图的局部保留投影降维算法研究

基于锚点图的局部保留投影降维算法研究

作者：蒋睿合肥工业大学

学位级别：硕士

在很多实际的研究和应用中,数据往往以高维度的向量来表示,即所谓的“高维数据”,而这些高维数据通常可以由少量几个影响因素来表示,这就说明现实中的高维数据包含了大量的冗余信息,同时也说明了用低维向量来反映高维数据本质特征信息... 详细信息

在很多实际的研究和应用中,数据往往以高维度的向量来表示,即所谓的“高维数据”,而这些高维数据通常可以由少量几个影响因素来表示,这就说明现实中的高维数据包含了大量的冗余信息,同时也说明了用低维向量来反映高维数据本质特征信息是有意义的。这种用低维特征来表示高维数据的过程就是降维,即数据由高维约减到低维的过程,其在众多研究领域扮演着重要的角色。由于能够很好的挖掘出高维数据之间的潜在关系,许多基于流形学习的数据降维方法已经被研究并成功的应用于机器学习和模式识别中,如等距映射(Isomap)算法、局部线性嵌入(LLE)算法和局部保留投影(LPP)算法。其中,LPP是一种线性子空间降维方法,该方法能有效地处理已知训练集和新引入的数据点。但是,随着数据规模的快速增大,这些方法在存储消耗和计算复杂度上都存在着一定的限制。为了解决这些问题,本文在LPP算法的基础上提出了一种新的基于流形的线性降维方法,叫做基于锚点图的局部保留投影(AgLPP)算法。假定给定大量的数据点集合,AgLPP首先使用聚类算法产生少量的聚类中心作为虚拟的锚点。同时,文中也对少量的锚点能够保留原有数据集的骨架结构的特点做了实验验证,因而就可以把数据点之间的邻接权重矩阵以锚点作为中间过渡分为两步进行计算。最后,基于该邻接权值矩阵,就可以得到时间复杂度和存储消耗都是与数据集规模线性相关的AgLPP方法。另外,本文也提出了AgLPP在希尔伯特空间的核化形式KAgLPP,并进一步改进它,得到AgLPP基于锚点的稀疏表示SR AgLPP,使其与核函数带宽无关。这些方法能够在有限的时间和空间内进行大规模数据的降维。最后,通过对一些真实数据集进行实验验证,证实了所提算法的有效性和效率性。

关键词：流形学习降维锚点图局部保留投影核化形式

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多视图锚点图哈希技术的推荐算法研究

基于多视图锚点图哈希技术的推荐算法研究

作者：金登科浙江大学

学位级别：硕士

随着信息技术和网络技术的发展,互联网上的信息和资源出现了爆炸性的增长。为了提高用户的有效信息获取能力,个性化推荐系统将会发挥越来越重要的作用。传统的协同过滤推荐技术往往只能利用单一视图下的用户信息,且需通过高维向量之间... 详细信息

随着信息技术和网络技术的发展,互联网上的信息和资源出现了爆炸性的增长。为了提高用户的有效信息获取能力,个性化推荐系统将会发挥越来越重要的作用。传统的协同过滤推荐技术往往只能利用单一视图下的用户信息,且需通过高维向量之间的运算才能够计算出对用户偏好的预测评分,需要很高的计算和存储代价。我们提出了一种基于多视图锚点图哈希技术的协同过滤推荐算法,融合了不同视图下的用户信息,并利用基于哈希学习的近似最近邻搜索技术,实现了高效、高质量的推荐结果计算。本文的主要工作有：首先,针对多视图数据,我们提出了一种利用多视图局部锚点嵌入的锚点图构建方法,实现了不同视图数据的融合,既保留了不同视图内的原始信息,又保留了视图之间的原有结构,同时得到了用户总体相似度矩阵的一个低秩近似。其次,利用构建得到的多视图锚点图,我们提出了一种多视图数据下的哈希算法,为多视图数据学习具有相似度保留特性的二进制哈希编码。此外,对于训练样本外数据点,我们也提出了一种二进制编码的快速计算方法。最后,在所提出的多视图哈希方法的基础上,我们利用二进制编码的特性以及近似最近邻搜索的方法,提出了一种快速生成查询用户的相似用户集合的方法。通过将相似用户的快速搜索与传统的基于用户协同过滤方法相结合,我们最终提出了一种基于多视图锚点图哈希技术的协同过滤推荐算法。通过在不同数据集上的实验,我们证明了所提出的推荐算法的效果。

关键词：多视图学习哈希学习协同过滤锚点图个性化推荐

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于锚点图的多视图学习算法研究与实现

基于锚点图的多视图学习算法研究与实现

作者：陆迅北京交通大学

学位级别：硕士

在多视图数据中,每个实例可由多种测量方法所得到的数据进行刻画,综合多个视图的数据往往能够得到相比于单一视图更加丰富的信息。如何恰当地融合多个视图的信息以提高算法性能已成为多视图学习领域中的核心问题。基于图的多视图学习由... 详细信息

在多视图数据中,每个实例可由多种测量方法所得到的数据进行刻画,综合多个视图的数据往往能够得到相比于单一视图更加丰富的信息。如何恰当地融合多个视图的信息以提高算法性能已成为多视图学习领域中的核心问题。基于图的多视图学习由于其提取数据中的非线性结构的强大能力已成为多视图学习中应用最为广泛的方法之一。然而此类方法常常需要优化分解多个大尺度图邻接矩阵因而具有很高的计算复杂度,这一缺陷限制了此类算法在大规模数据集上的应用。为此研究者们将锚点图引入到了基于图的多视图学习算法中并大大提高了算法速度。锚点图策略的关键思想是引入一组名为锚点的代表样本构造锚点集与样本集之间的锚点图,通过锚点图间接表示样本间的关系以近似原始图的结构,并利用锚点图邻接矩阵稀疏且分块的特点快速完成大尺度矩阵优化分解等操作以加速学习任务。由此可知,锚点图的构造与融合是基于锚点图的多视图学习的核心任务。如何基于原始数据构造锚点图以挖掘多视图数据中的潜在结构,以及如何高效地融合多视图锚点图是非常值得研究的问题。针对上述问题,本文对基于锚点图的多视图学习算法进行了的研究,主要研究成果如下:一、针对如何高效地融合多视图锚点图的问题,我们提出了一种新的基于结构多样性的多视图锚点图融合方法(Structure Diversity-induced Anchor Graph Fusion,SDAGF),并将其应用到了多视图聚类问题当中。在多视图情形中,学习锚点的方法严重受制于多视图锚点图融合策略。现有的图融合策略为了保证融合结果有效,要求待融合的图中的顶点都代表着相同的实例(即锚点和样本),这意味着每个视图的锚点图都使用了相同的一组锚点,这减弱了锚点图挖掘原始图结构的能力,在构造逐视图锚点图的阶段就一定程度上丢失了每个视图的结构多样性,继而降低了融合结果的表示能力。SDAGF则逐视图地根据锚点图结构将其锚点和边归并到一个公有锚点图中,并借助视图之间的一致性,在公有图上施加图连通性等式约束以直接得到聚类结果而无需进行任何后处理。受益于这种锚点图融合策略,我们能够根据每个视图的情况自适应选择合适的锚点,这大大提高了融合后公有锚点图的表示能力。在真实数据集上的大量实验验证了所提出的方法在聚类性能和速度上的优越性。二、针对如何基于原始数据构造锚点图以挖掘多视图数据中的潜在结构的问题,我们提出了一种基于保距嵌入的自适应锚点图多视图学习方法(Bipartite graph derived Embedding for Multi-View Learning,BEMVL),并将其应用到了多视图多标记分类问题当中。现有的基于锚点图的融合算法由于常常只关注锚点和样本间的局部结构而忽视了全局结构,BEMVL在自适应学习锚点构造锚点图的同时通过保距映射约束锚点图保持原始图的全局结构,以此提高学习到的锚点图的质量并提高多视图多标记学习方法的分类能力。进一步地,我们设计了一个简洁而有效的特征共线性诱导的特征选择方法来学习紧致的多标记分类器。由此得到的目标函数以交替优化方式进行优化。在不同多标记图像数据集上的实验结果验证了所提出的方法的效率和有效性。

关键词：多视图学习锚点图二部图图融合保距映射

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于鲁棒前景选择的显著性检测

电子与信息学报 2017年第11期39卷 2644-2651页

作者：王晨樊养余李波西北工业大学电子信息学院西安710072 空军工程大学航空航天工程学院西安710038

显著性检测是指自动提取未知场景中符合人类视觉习惯的兴趣目标的方法。为了进一步提高检测的准确性,该文提出了利用鲁棒前景种子的流形排序进行显著性检测的算法。首先利用角点检测和边缘连接算法得到两个不同的凸包,用它们的交集初步... 详细信息

显著性检测是指自动提取未知场景中符合人类视觉习惯的兴趣目标的方法。为了进一步提高检测的准确性,该文提出了利用鲁棒前景种子的流形排序进行显著性检测的算法。首先利用角点检测和边缘连接算法得到两个不同的凸包,用它们的交集初步确立目标区域的大致位置;然后利用凸包外边缘作为标准对凸包内的超像素进行相似度检测,将与大部分外边缘相似的超像素去除,得到更准确的目标样本作为前景种子;利用锚点图构建新的图结构表示数据节点之间的关系;接着通过基于前景和背景种子的流形排序算法对图像所有区域进行排序,并得到两种不同的显著性检测图;最后借助代价函数对显著性图进行优化,得到最终的显著性检测结果。经实验表明,与几种经典算法对比,该文方法可以进一步提高显著性算法的精确度和召回率。

关键词：显著性检测凸包锚点图流形排序

在线全文

学校读者我要写书评

暂无评论

基于相关熵的快速聚类算法

西安交通大学学报 2021年第6期55卷 121-130页

作者：李中衡杨奔张劲节刘银川张雪涛王飞西安交通大学视觉信息处理与应用国家工程实验室西安710049

针对目前大规模真实数据聚类中存在的效率低和鲁棒性差的问题,提出了一种基于相关熵的快速聚类算法(FCC)。该算法主要分为以下两步:首先对原始数据进行k均值操作,得到粗略的样本类别,作为第二步的标签矩阵;其次利用原始数据与其锚点构... 详细信息

针对目前大规模真实数据聚类中存在的效率低和鲁棒性差的问题,提出了一种基于相关熵的快速聚类算法(FCC)。该算法主要分为以下两步:首先对原始数据进行k均值操作,得到粗略的样本类别,作为第二步的标签矩阵;其次利用原始数据与其锚点构建的锚点图对应的拉普拉斯矩阵作为图约束来探寻数据间的内在结构,从而得到样本的最终类别。整个聚类过程在相关熵准则而不是传统的欧氏距离框架下进行,可有效抑制真实数据中大量存在的非线性和非高斯分布的噪声对聚类鲁棒性的影响。为了验证提出算法的性能,使用5种典型的算法作为对比算法与提出的算法一起在4个大规模真实数据集上运行,结果表明,提出的算法可在大部分情况下提高聚类精度,在WebKB、TDT2和Cora数据集上分别提高8.58%,6.86%和1.86%,同时提高聚类效率几倍甚至几十倍;为了验证本算法的鲁棒性,分别加入不同程度的随机噪声和泊松噪声到WebKB和Cora上,得到8个含噪数据集,所有算法均在相同条件下运行于这些噪声数据集上,结果表明,相对于其他对比算法,提出的算法能够保持最优的聚类鲁棒性。

关键词：快速聚类相关熵锚点图

在线全文

学校读者我要写书评

暂无评论

基于锚点的无监督跨模态哈希算法

软件学报 2024年第8期35卷 3739-3751页

作者：胡鹏彭玺彭德中四川大学计算机学院四川成都610065 成都瑞贝英特信息技术有限公司四川成都610094

基于图的无监督跨模态哈希学习具有存储空间小、检索效率高等优点,受到学术界和工业界的广泛关注,已成为跨模态检索不可或缺的工具之一.然而,图构造的高计算复杂度阻碍其应用于大规模多模态应用.主要尝试解决基于图的无监督跨模态哈希... 详细信息

基于图的无监督跨模态哈希学习具有存储空间小、检索效率高等优点,受到学术界和工业界的广泛关注,已成为跨模态检索不可或缺的工具之一.然而,图构造的高计算复杂度阻碍其应用于大规模多模态应用.主要尝试解决基于图的无监督跨模态哈希学习面临的两个重要挑战:1)在无监督跨模态哈希学习中如何高效地构建图?2)如何解决跨模态哈希学习中的离散值优化问题?针对这两个问题,分别提出基于锚点图的跨模态学习和可微分哈希层.具体地,首先从训练集中随机地选择若干图文对作为锚点集,利用该锚点集作为中介计算每批数据的图矩阵,以该图矩阵指导跨模态哈希学习,从而能极大地降低空间与时间开销;其次,提出的可微分哈希层可在网络前向传播时直接由二值编码计算,在反向传播时亦可产生梯度进行网络更新,而无需连续值松弛,从而具有更好的哈希编码效果;最后,引入跨模态排序损失,使得在训练过程中考虑排序结果,从而提升跨模态检索正确率.通过在3个通用数据集上与10种跨模态哈希算法进行对比,验证了提出算法的有效性.

关键词：无监督哈希学习跨模态检索锚点图可微分哈希公共汉明空间

在线全文

学校读者我要写书评

暂无评论

二分k-means锚点提取的快速谱聚类

计算机工程与应用 2023年第16期59卷 74-81页

作者：罗兴隆贺兴时杨新社西安工程大学理学院西安710600 密德萨斯大学科学与技术学院伦敦NW44BT

光谱聚类(spectral clustering,SC)由于在无监督学习中的有效性而受到越来越多的关注。然而其计算复杂度高,不适用于处理大规模数据。近年来提出了许多基于锚点图方法来加速大规模光谱聚类,然而这些方法选取的锚点通常不能很好地体现原... 详细信息

光谱聚类(spectral clustering,SC)由于在无监督学习中的有效性而受到越来越多的关注。然而其计算复杂度高,不适用于处理大规模数据。近年来提出了许多基于锚点图方法来加速大规模光谱聚类,然而这些方法选取的锚点通常不能很好地体现原始数据的信息,从而导致聚类性能下降。为克服这些缺陷,提出了一种二分k-means锚点提取的快速谱聚类算法(fast spectral clustering algorithm based on anchor point extraction with bisecting kmeans,FCAPBK)。该方法利用二分k-means从原始数据中选取一些具有代表性的锚点,构建基于锚点的多层无核相似图;然后通过锚点与样本间的相似关系构造层次二部图。最后在5个基准数据集上分别进行实验验证,结果表明FCAPBK方法能够在较短的时间内获得良好的聚类性能。

关键词：二分k-means 二部图锚点图谱聚类

基于超像素锚层收敛选点的高光谱图像聚类算法

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2023年第6期46卷 77-83页

作者：杨滔孙博杨晓君广东工业大学信息工程学院广州510006

针对传统高光谱图像聚类算法难以有效处理数据量快速增长的高光谱图像的问题,提出基于超像素锚层收敛选点的高光谱聚类算法。采用SuperPCA对原始数据进行基于超像素切割的降维;利用K-means选取具有代表性的锚点,构建基于锚点的邻接矩阵... 详细信息

针对传统高光谱图像聚类算法难以有效处理数据量快速增长的高光谱图像的问题,提出基于超像素锚层收敛选点的高光谱聚类算法。采用SuperPCA对原始数据进行基于超像素切割的降维;利用K-means选取具有代表性的锚点,构建基于锚点的邻接矩阵;通过无核邻近分配的方法构建相似图,避免对热核参数的调整;最后进行谱聚类分析获得聚类结果。在Indian Pines和Pavia Centre高光谱数据集进行仿真实验,结果表明该算法获得的分类图所含错分点更少,地物分布更加平滑,与当前高光谱图像聚类算法相比具有更优的聚类效果。

关键词：高光谱图像图像分割降维锚点图聚类算法