深度學(xué)習(xí)及其在社會化媒體分析中應(yīng)用研究.pdf

1、近年來由于移動設(shè)備技術(shù)及互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，極大的方便人們隨時隨地進(jìn)行圖片拍攝，這就使得以圖像為出發(fā)點的社交媒體如Flickr、Instagram等開始大量的涌現(xiàn)。如何有效地管理組織這些海量的圖像數(shù)據(jù)，并對社會化媒體中圖像進(jìn)行挖掘分析以促進(jìn)個體在線交流，提升用戶體驗，輔助企業(yè)做出營銷決策成為了研究的熱點問題。而深度學(xué)習(xí)正是能夠從海量的數(shù)據(jù)中進(jìn)行學(xué)習(xí)、挖掘的一種機(jī)器學(xué)習(xí)方法。其深度分層結(jié)構(gòu)與人類視覺系統(tǒng)具有深度分層的特點一致，所以深度學(xué)

2、習(xí)人類符合人類生物學(xué)上對圖像認(rèn)知的過程。自2006年深度學(xué)習(xí)被Hinton提出后就引發(fā)了學(xué)術(shù)界、工業(yè)界的研究熱潮，已經(jīng)涌現(xiàn)大量的研究和應(yīng)用。深度學(xué)習(xí)強(qiáng)調(diào)可學(xué)習(xí)性的特點，因此它適合于學(xué)習(xí)具有良好表達(dá)力的圖像特征，進(jìn)而滿足社會化媒體圖像語義學(xué)習(xí)分類、圖像美學(xué)質(zhì)量評價以及以此為基礎(chǔ)的社會化媒體分析研究。本文針對以上問題提出了基于深度學(xué)習(xí)模型的社會化媒體圖像語義分類算法和社會化媒體圖像美學(xué)質(zhì)量評價算法并進(jìn)行了應(yīng)用。
　　本文首先詳細(xì)介紹了

3、深度學(xué)習(xí)算法的基本思想、訓(xùn)練方法以及其與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的主要異同，并且對幾種得到廣泛研究應(yīng)用的深度學(xué)習(xí)模型作了闡述。其次，描述了深度學(xué)習(xí)在圖像語義分類應(yīng)用的問題定義及現(xiàn)有的方法，并提出了基于棧式去噪編碼器(Stacked denoising Auto-Encoder, SdEA)和基于卷積深度玻爾茲曼機(jī)（Convolution Deep Boltzmann Machine，CDBM）的圖像語義分類模型。并且用實驗證明這兩種模型在社會化圖像