結(jié)合圖像空間信息的線性判別分析研究.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、降維是模式識別系統(tǒng)的一個構(gòu)成要素,其本質(zhì)是將數(shù)據(jù)從高維映射到能反映原始數(shù)據(jù)分類本質(zhì)的低維空間,以利于有效分類。根據(jù)映射方式降維算法可分為線性型和非線性型,其中主成分分析(PCA)和線性判別分析(LDA)是最為典型的兩種線性降維算法,并廣泛應(yīng)用于圖像降維等。當PCA和LDA進行圖像降維時,常先將其向量化,如此不僅破壞了圖像原有的空間結(jié)構(gòu),而且更無法對其利用,從而降低了分類器應(yīng)有的學(xué)習(xí)性能。著名的“沒有免費午餐定理(NFL)”告訴我們:如果

2、可以利用更多與問題相“匹配”或相關(guān)的先驗知識進行建模學(xué)習(xí),則能獲得性能更優(yōu)的學(xué)習(xí)器。因而將空間結(jié)構(gòu)信息融入至降維過程成為近年來的一個重要研究內(nèi)容。
  本文立足LDA開展了研究,并取得了如下成果:
  1.總結(jié)出了目前將空間結(jié)構(gòu)信息融入至線性降維算法的兩類主要方法,一是空間平滑的子空間學(xué)習(xí)(SSSL);二是基于歐氏距離度量的空間平滑。前者通過對優(yōu)化目標的空間正則化實現(xiàn)對空間結(jié)構(gòu)信息的利用,而后者則是通過空間平滑歐氏距離實現(xiàn)。

3、本成果將上述兩類方法結(jié)合至LDA,分別產(chǎn)生了對應(yīng)的算法SLDA和IMEDA,探究了兩者間的內(nèi)在聯(lián)系:理論上證明了SLDA是IMEDA的一個特例;經(jīng)驗上通過在Yale、AR和FERET人臉集上的實驗比較了兩者的識別性能和運算效率,并分析了參數(shù)對它們性能的影響。
  2.針對SLDA和IMEDA的投影矩陣均通過優(yōu)化平均類內(nèi)和平均類間散度(scatter)之比而得,受最壞情況下線性判別分析(WLDA)啟發(fā),本成果則通過約束平均類內(nèi)散度(

4、或緊性)上界的同時,最大化最壞類間散度(或分離度)而得,分別設(shè)計出了WSLDA和WIMEDA兩種降維算法。并將兩者的求解最終歸結(jié)為簡單的特征值優(yōu)化問題。與原對應(yīng)算法相比,WSLDA和WIMEDA類間間隔更大,更利于分類。在Yale、AR和FERET人臉集上的實驗驗證了兩者的有效性。
  3.建立了一個監(jiān)督型的一般性降維框架,一方面使典型的LDA、局部保持投影(LPP)、鄰域保持嵌入(NPE)和稀疏保持投影(SPP)等降維算法作為其

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論