检索结果-南通市图书馆

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

L1-PCA算法的若干研究

L1-PCA算法的若干研究

作者：葛琪文浙江大学

学位级别：硕士

在机器学习,数据挖掘等领域,往往需要处理大规模的数据,同时数据实际上通常都处于低维空间中,因而为了更好,更快速地对数据进行处理,我们需要对数据进行降维。pca算法简单,容易求解,且能取得最优解,是一种应用十分广泛的线性降维方法,... 详细信息

在机器学习,数据挖掘等领域,往往需要处理大规模的数据,同时数据实际上通常都处于低维空间中,因而为了更好,更快速地对数据进行处理,我们需要对数据进行降维。pca算法简单,容易求解,且能取得最优解,是一种应用十分广泛的线性降维方法,但是他对于异常点却十分敏感,这使得它在存在很多异常点的情况下,求得的解往往偏离我们想要的结果。而由于1-范数的鲁棒性,L1-PCA相对pca,不易受异常点的影响。尽管ll-pca（?）（?）比较pca更优,但是却也更难求解。关于ll-pca问题的求解,存在很多算法,但是大多计算比较复杂,求解速度很慢。本文主要研究了一个近似求解ll-pca问题的快速的贪婪算法。首先从统计的角度来推导L1-PCA问题,并说明L1-PCA优于pca的原因。接着介绍了几个ll-pca的求解算法,主要对逐步降维算法和贪婪算法的思想进行了细致地分析。根据其中贪婪算法的一些缺陷,提出了该贪婪算法的两个修正算法,以及投影优化算法。最后通过实验分析了各个算法的优劣。

关键词： pca L1-PCA 贪婪算法异常点

一种基于l_1范数的主成分分析优化算法及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

小型微型计算机系统 2013年第1期34卷 173-176页

作者：刘丽敏樊晓平廖志芳中南大学信息科学与工程学院长沙410083 中南大学软件学院长沙410075

主成分分析(pca)已经广泛应用于计算机视觉中,但是传统的基于l2范数的pca对异常值和特征噪声(比如有遮挡的图像)敏感.基于l1范数的pca(L1-PCA)相比基于l2范数的pca更具鲁棒性,并且可以克服对异常值和特征噪声敏感的问题.然而,在应用l1-... 详细信息

主成分分析(pca)已经广泛应用于计算机视觉中,但是传统的基于l2范数的pca对异常值和特征噪声(比如有遮挡的图像)敏感.基于l1范数的pca(L1-PCA)相比基于l2范数的pca更具鲁棒性,并且可以克服对异常值和特征噪声敏感的问题.然而,在应用L1-PCA算法时,其算法的优化非常关键.本文针对这一问题,提出基于增强拉格朗日乘子的L1-PCA的优化算法并将其应用于处理有遮挡图像的重构,通过在Yale人脸数据库的实验测试表明所提出的算法有效.数值和可视化的实验结果都表明优化的L1-PCA优于传统pca.

关键词：主成分分析 L1-PCA 增强拉格朗日乘子图像重构

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

基于深度学习框架的轻量级人脸识别算法研究

基于深度学习框架的轻量级人脸识别算法研究

作者：李云鲲江南大学

学位级别：硕士

得益于独特的物理属性和非接触、非侵占性,人脸识别技术已经成为了最重要的身份识别技术之一,在众多领域都得到了广泛的应用。在人脸识别算法中,如何提取高质量的人脸特征是决定算法性能的关键所在。在深度学习技术兴起之前,主流的人脸... 详细信息

得益于独特的物理属性和非接触、非侵占性,人脸识别技术已经成为了最重要的身份识别技术之一,在众多领域都得到了广泛的应用。在人脸识别算法中,如何提取高质量的人脸特征是决定算法性能的关键所在。在深度学习技术兴起之前,主流的人脸识别算法主要依靠专家精心设计的手工特征进行特征提取。手工特征一般针对某些特定场景或需求设计,依赖于这些领域的先验知识,开发成本高昂且应用场景受限。深度学习技术是机器学习领域的热门领域,它旨在通过多层级联的复杂非线性结构直接从样本中学习潜在的模式和表征,从而打破手工特征的限制并实现自动特征提取。近年来,作为深度学习技术的代表之一,卷积神经网络(Convolution Neural Network,CNN)已经成为人脸识别领域的研究热点。随着卷积神经网络模型的深度和性能不断增加,其训练过程中的计算量也在不断增大,以至于大部分高性能模型的训练都依赖于昂贵的专用设备。所以,如何在保持模型性能的情况下实现模型的轻量化和小型化是基于深度学习的人脸识别算法进一步发展和应用的关键。本文以基于深度学习的人脸识别算法为主要研究对象,认真研究它们的算法思想和缺点,分析其缺陷并提出改进算法,从而提高算法的性能和鲁棒性。本文的研究工作主要包括以下几点:(1)主成分分析网络(Principal Component Analysis Network,pcaNet)是一种轻量级深度学习模型,它利用主成分分析算法而非反向传播算法来训练模型,从而极大地缩短了模型训练的时间。此外,一个典型的pcaNet模型仅包含两层卷积层、一层二值化哈希层和一层直方图统计层,从模型的网络结构上减少了计算量。但是pcaNet使用基于二范数的主成分分析算法,对样本中存在的异常值和噪声不鲁棒。L1-PCA是一种简单高效的基于一范数的主成分分析算法,对于样本中存在的异常值较为鲁棒。本文通过向pcaNet中引入L1-PCA算法,从而构建出基于一范数的主成分分析网络(l1-norm-based Principal Component Analysis Network,L1-PCANet)。此外,我们还将二维双向策略引入L1-PCA,推导得出l1-2Dpca,并将其引入pcaNet,从而构建出基于一范数的二维双向主成分分析网络(l1-norm-based two-directional two-dimensional Principal Component Analysis Network,l1-2DpcaNet)。我们在多个经典的人脸数据集上进行了大量的实验,实验结果表明本文提出的算法能够有效地提升模型性能,同时对于带有异常值和噪声的样本更加鲁棒。(2)目前想要评估某个卷积神经网络模型的性能只能将某个测试集全部输入到网络中并观察输出的情况。这样一来,评估的效果依赖于测试集的选取,如果测试集包含较为全面的样本,那么评估的结果就比较全面;如果测试集包含的样本不全面,那么评估的结果就比较差。此外,当样本集数量过多时,性能评估会花费较多的时间,特别是在模型训练时,每隔一定的训练批次就需要对模型进行一次性能评估。奇异向量典型相关分析(Singular Vector Canonical Correlation Analysis,SVCCA)是一种用于度量任意两组神经元之间的相似程度的方法,根据结构决定功能的思想,卷积神经网络的结构在一定程度上也决定了其性能。在本文中,我们提出了一种基于奇异向量典型相关分析的卷积神经网络性能评估新方法,该方法通过奇异向量典型相关分析度量性能已知的卷积神经网络和性能未知的卷积神经网络之间的相似性,并根据该相似性做加权平均,得到对未知卷积神经网络性能的评估值。我们在多个经典的数据集上进行了大量实验,实验结果表明,相比于传统的评估方法,本文所提出的方法在具有5%左右的评估误差时可以提升5倍的评估速度。(3)pcaNet在训练时只需要将全部的样本处理成一个样本矩阵,并进行一次pca操作即可完成训练,当得到新样本时,pcaNet只能重新训练。另外,当训练样本过多时,样本矩阵会超出硬件的限制,使得训练无法进行,所以pcaNet无法在大数据集下进行训练。级联协方差无关增量主成分分析(Candid Covariance-free Incremental Principal Component Analysis,CCIpca)算法是一种高效的增量主成分分析算法,它每次只使用一张样本迭代地计算样本的协方差,且能够在训练完成之后进行增量训练。本文先将ICCIpca算法扩展为双向二维增量主成分分析算法(two-directional two-dimensional Incremental Principal Component Analysis,2DIpca),再将其引入pcaNet,从而构建出基于双向二维的增量主成分分析网络(Incremental Principal C

关键词：人脸识别深度学习卷积神经网络 L1-PCA CCIpca

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

利用矩阵分解的机载气象雷达回波谱矩估计

利用矩阵分解的机载气象雷达回波谱矩估计

作者：赵倢中国民航大学

学位级别：硕士

气象雷达是气象探测的重要手段,机载气象雷达（WXR）用于探测飞机前方航路上的雷暴雨、冰雹、湍流、风切变等恶劣气象区域,其性能直接关系到飞行的舒适性和安全性。在影响飞行安全的众多危险气象中,诸如晴空湍流、干性低空风切变等不伴... 详细信息

气象雷达是气象探测的重要手段,机载气象雷达（WXR）用于探测飞机前方航路上的雷暴雨、冰雹、湍流、风切变等恶劣气象区域,其性能直接关系到飞行的舒适性和安全性。在影响飞行安全的众多危险气象中,诸如晴空湍流、干性低空风切变等不伴随可见天气现象,造成雷达回波信噪比很低,常规机载气象雷达尚无法有效检测,因此这些危险气象对飞行安全存在较大的威胁。机载气象雷达目标检测的本质是回波谱矩估计,气象目标类型和雷达回波的谱矩参数（平均多普勒频率和多普勒谱宽）密切相关。机载气象雷达回波谱矩估计方法研究,对于提升探测气象目标的准确性和有效性具有非常重要的意义。论文针对低信噪比情况下常规机载气象雷达回波谱矩估计方法误差大、计算量大和在数据异常时估计不准确等问题,构建雷达回波协方差矩阵的参数化模型,利用矩阵分解,提出了两种适用于不同背景下的机载气象雷达回波谱矩估计方法,并通过仿真实验证明了所提方法在各自适用的条件下可有效估计雷达回波谱矩。主要工作总结如下:1.提出了一种基于DFT的雷达回波谱矩快速估计方法,可用于低信噪比情况。通过对雷达回波的协方差矩阵特性进行分析,并对其进行分解变换得到一种闭合式的协方差矩阵,因为没有采用近似结构,该模型可以在谱宽值较大时仍能保持较好的适用性,并利用其具有范德蒙结构特性得出基于FFT的无需搜索代价函数计算流程,在估计代价函数时不需要进行频率分割,采用全部数据进行计算,在降低运算量的同时提高了估计性能。该方法适用于低信噪比和大谱宽场景下,在降低计算复杂度的同时能准确估计回波谱矩。2.提出了一种基于L1-PCA的雷达回波谱矩估计方法,可用于雷达接收回波数据异常并有较多离群点的情况。通过对数据异常时雷达回波协方差矩阵参数化模型进行分解,利用信号子空间与噪声子空间的正交性和1范数的稳定性构建代价函数,进而估计雷达回波谱矩。该方法在雷达回波数据异常有较多离群点的情况下仍能保持较好的估计性能。

关键词：机载气象雷达谱矩估计矩阵分解 DFT L1-PCA

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

人脸识别技术的研究

人脸识别技术的研究

作者：史姗姗武汉轻工大学

学位级别：硕士

近些年来,随着模式识别与人工智能领域的交互性增加,促使人脸识别成为备受关注的研究课题。作为一门具有新兴价值的生物识别技术,人脸识别技术一直活跃在生物特征识别领域。其中生物识别领域包括如下分支:指纹识别、语音识别、人脸识别... 详细信息

近些年来,随着模式识别与人工智能领域的交互性增加,促使人脸识别成为备受关注的研究课题。作为一门具有新兴价值的生物识别技术,人脸识别技术一直活跃在生物特征识别领域。其中生物识别领域包括如下分支:指纹识别、语音识别、人脸识别、DNA识别等。随着计算机技术、机器学习、图像处理技术等的兴起,人脸识别技术的研究显得愈加重要,大量的人脸识别技术被用来实现人机交互。因其采集方便、便于保存、符合人类识别习惯等优点,以人脸识别为基础的身份识别机制已被广泛应用于证件验证、门禁系统、公安系统等公共安全领域。如今人们越来越需要识别无约束的人脸图像,例如从互联网收集的图像或者被移动设备和监视摄像机捕获的图像。然而,由于人脸图像质量的下降以及经常遇到的姿态,光照,表情的不断变化,识别无约束的人脸图像一直是个难题。利用人脸识别系统对给定的图像序列进行计算机分析,并将人脸图像中提取的有效识别信息与现有的人脸库进行比较,从而达到识别身份的目的。主成分分析（pca）在计算机视觉中得到广泛应用,基于l1范数的pca（L1-PCA）算法比基于l2范数的传统pca更健壮,并且可以克服对噪声敏感的问题。在此基础上,本文提出非贪婪的L1-PCA的优化算法并将其应用于处理有遮挡图像的特征提取。最后,以主成分分析（pca）特征提取方法为参照,通过在Yale、ORl、Jaffe、Palm人脸数据库中选取训练集与测试集,并在MATlAB R2016a上进行编译,得到数值仿真实验。实验表明,本文所提出的优化算法具备较高的鲁棒性和有效性,特别是其对异常值的鲁棒性进一步得到提高。

关键词：人脸识别 l1范数主成分分析 L1-PCA 鲁棒性