学位论文 > 优秀研究生学位论文题录展示
基于分治法的鉴别特征提取算法研究与应用
作 者: 李升
导 师: 荆晓远
学 校: 南京邮电大学
专 业: 信息安全
关键词: 特征提取 鉴别分析 分治法 维数约减 图像分类
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 5次
引 用: 0次
阅 读: 论文下载
内容摘要
鉴别分析是一种有效的特征提取算法,已被广泛应用到图像分类、生物特征识别等多个领域。然而,面对大规模数据时,由于样本分布呈现多样性,传统鉴别分析的分类性能将受到一定的制约。为了解决该问题,本文借鉴算法理论中“分治法”的基本思想(即把一个大规模问题分割为多个小规模的子问题),提出了一系列快速有效的鉴别特征提取新方法。首先,本文提出了基于最优子集划分的线性鉴别(OSDD)方法。该方法的基本思路是,利用聚类的手段把样本集划分为多个样本子集,从而能有效地从每个样本子集分别提取鉴别特征,然后再构造统一的投影空间。该方法能极大地减少传统鉴别分析方法的计算代价,然而,其中的难点问题是如何确定最优的子集个数。针对这一问题,我们设计了一种广义稳定性准则,用于度量不同子集划分情况下鉴别分析方法的适用程度。给定一个训练样本集,使用该准则可以自动确定最优的子集个数。其次,当多类样本线性不可分时,为了进一步增强OSDD的分类能力,我们将其扩展到核空间,提出了基于子集划分的核鉴别(OSKD)方法。该方法在非线性空间中使用核聚类算法划分子集,然后提取非线性鉴别特征。我们设计的广义稳定性准则也同样能在核空间中自动寻找最优子集个数。最后,“分治法”的思想也启发我们从其他角度研究鉴别分析技术。例如,一种常用的策略是把多类问题化简为多个两类问题。与现有方法不同,我们提出只考虑每类与其部分近邻类来提取鉴别特征。为了强化鉴别能力,我们直接在核空间设计算法,提出核近邻类鉴别分析(KADA)方法。其基本思想是:依次处理每个类别,将该类作为一类,该类的少数近邻类作为另一类,然后对该两类问题提取一个最优鉴别向量,最后再构造统一的投影空间。此外,考虑到鉴别信息的冗余性,我们引入不相关约束条件,提出统计不相关的核近邻类鉴别分析方法(KUADA)。在AR、FERET、CAS-PEAL等三个人脸图像数据库以及PolyU掌纹图像数据库上的实验结果充分验证了本文所提方法的有效性。同时,与传统方法相比较,本文提出的一系列新算法只需要很少的计算代价,具有一定的实用价值。
|
全文目录
摘要 4-5 Abstract 5-8 第一章 绪论 8-13 1.1 课题研究目的及意义 8-9 1.2 鉴别分析方法 9-11 1.2.1 线性鉴别分析方法 9-10 1.2.2 非线性鉴别分析方法 10 1.2.3 不相关鉴别分析方法 10-11 1.3 基于样本集划分的鉴别分析方法 11 1.4 本文主要研究工作概述 11-12 1.5 本文内容章节安排 12-13 第二章 相关方法介绍 13-17 2.1 线性鉴别分析技术 13-14 2.1.1 线性鉴别分析方法 13-14 2.1.2 子类鉴别分析方法 14 2.2 非线性鉴别分析技术 14-15 2.2.1 核鉴别分析方法 14-15 2.2.2 核统计不相关鉴别分析方法 15 2.3 基于样本集划分的鉴别分析技术 15-16 2.3.1 随机抽样LDA方法 16 2.3.2 多重LDA子空间方法 16 2.4 本章小结 16-17 第三章 基于最优子集划分的线性鉴别特征提取 17-28 3.1 提出动机与基本思路 17 3.2 基于最优子集划分的鉴别方法(OSDD) 17-20 3.2.1 算法实现 17-19 3.2.2 算法流程图 19-20 3.3 最优子集划分 20-26 3.3.1 广义稳定性准则 21-22 3.3.2 子集划分算法 22-25 3.3.3 两种稳定性准则的对比 25-26 3.4 计算复杂度分析 26-27 3.5 本章小结 27-28 第四章 基于最优子集划分的核鉴别分析方法 28-34 4.1 提出动机与基本思路 28 4.2 基于最优子集划分的核鉴别方法(OSKD) 28-32 4.3 计算复杂度分析 32-33 4.4 本章小结 33-34 第五章 统计不相关的核近邻类鉴别分析方法 34-41 5.1 提出动机与基本思路 34 5.2 核近邻类鉴别分析方法 34-37 5.3 统计不相关的核近邻类鉴别分析 37-40 5.4 本章小结 40-41 第六章 实验结果与分析 41-53 6.1 实验数据库介绍 41-44 6.2 OSDD和OSKD的实验结果与分析 44-48 6.3 KADA和KUADA的实验结果与分析 48-52 6.4 实验分析与总结 52 6.5 本章小结 52-53 第七章 总结与展望 53-54 参考文献 54-57 附录1 攻读硕士学位期间撰写的论文 57-59 附录2 攻读硕士学位期间申请的专利 59-60 附录3 攻读硕士学位期间参加的科研项目 60-61 致谢 61
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
- 基于分治法的聚类方法研究,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|