基于譜圖理論的非線性流形學(xué)習(xí)算法研究.pdf

1、碩士學(xué)位論文論文題目基于譜圖理論的非線性流形學(xué)習(xí)算法研究研究生姓名鄭剛民指導(dǎo)教師姓名馬小虎教授專(zhuān)業(yè)名稱(chēng)計(jì)算機(jī)應(yīng)用技術(shù)研究方向圖像處理與模式識(shí)別論文提交日期2013年4月基于譜圖理論的非線性流形學(xué)習(xí)算法研究中文摘要I基于譜圖理論的非線性流形學(xué)習(xí)算法研究中文摘要隨著科學(xué)技術(shù)的高速發(fā)展，人們獲取數(shù)據(jù)的渠道越來(lái)越多，數(shù)據(jù)維數(shù)也急劇膨脹，如何對(duì)這些海量數(shù)據(jù)進(jìn)行維數(shù)約簡(jiǎn)，從中提取對(duì)人們有用的信息，成為模式識(shí)別及機(jī)器學(xué)習(xí)等領(lǐng)域的關(guān)注重點(diǎn)。本文重點(diǎn)研究

2、了維數(shù)約簡(jiǎn)方法中基于譜圖理論的非線性流形學(xué)習(xí)算法，詳細(xì)分析了幾種現(xiàn)有的經(jīng)典算法，并對(duì)其不足之處進(jìn)行了改進(jìn)，進(jìn)而提出了兩種高效的特征提取方法。本文的主要貢獻(xiàn)及創(chuàng)新如下：1)詳細(xì)介紹了流形學(xué)習(xí)算法的研究背景及國(guó)內(nèi)外研究現(xiàn)狀，對(duì)現(xiàn)有的經(jīng)典算法進(jìn)行總結(jié)，分析了其優(yōu)缺點(diǎn)。2)在局部鄰域嵌入(LocalNeighbhoodEmbedding，LNE)算法中，傳統(tǒng)鄰域樣本的選取方法會(huì)導(dǎo)致偽樣本的產(chǎn)生。另外，LNE算法是一種非線性流形學(xué)習(xí)方法，存在樣本

3、外問(wèn)題，同時(shí)它還忽略了樣本的類(lèi)別信息，所提取的特征信息存在冗余。針對(duì)這些問(wèn)題，提出了不相關(guān)判別局部鄰域嵌入(UncrelatedDiscriminantLocalNeighbhoodEmbedding，UDLNE)算法，該算法首先將LNE算法線性化，然后在目標(biāo)函數(shù)中融合了樣本的類(lèi)別信息，有效地分離了同類(lèi)樣本和異類(lèi)樣本，并且通過(guò)添加不相關(guān)限制，極大減少了特征信息的冗余。該方法是一種線性的監(jiān)督算法，能夠有效地提取樣本特征，具有較高的識(shí)別率。

4、3)正切空間判別分析(TangentSpaceDiscriminantAnalysis，TSDA)算法是一種監(jiān)督的流形學(xué)習(xí)算法，該算法在保持樣本的類(lèi)內(nèi)局部幾何結(jié)構(gòu)的同時(shí)最大化類(lèi)間差異，極大地增強(qiáng)了算法的判別性。然而，TSDA算法只是一種線性方法，不能很好地發(fā)掘出數(shù)據(jù)的非線性特征，同時(shí)由于小樣本問(wèn)題的存在和距離度量結(jié)構(gòu)的破壞，進(jìn)一步削弱了算法的性能。針對(duì)這些問(wèn)題，提出了核正交判別局部正切空間對(duì)齊(KernelthogonalDiscrim