局部線性嵌入算法的改進及其在圖像識別中的應用.pdf

1、隨著各類數(shù)據(jù)的大幅度增加,使得數(shù)據(jù)處理技術遇到了很大的挑戰(zhàn),尤其是圖像數(shù)據(jù)。近年來,圖像數(shù)據(jù)的分析技術已成為研究的熱點。在圖像識別中,從高維圖像數(shù)據(jù)中提取圖像內(nèi)在特征結構是圖像識別最為重要的研究內(nèi)容之一,因此充分挖掘圖像數(shù)據(jù)的內(nèi)在特征結構是圖像識別的重點。而傳統(tǒng)的圖像特征提取大多是從顏色、紋理、形狀等底層方面進行,卻很難提取出嵌入在高維圖像數(shù)據(jù)中的圖像高層信息。流形學習理論方法的發(fā)展為圖像高層信息提取提供了一些方法,因此流形學習和非線性

2、維數(shù)約簡等理論越來越受到人們的關注。
　　本文以流形學習為基礎,主要研究了局部線性嵌入(LLE)算法和有監(jiān)督的局部線性嵌入(SLLE)算法,并且對LLE算法和SLLE算法進行了比較研究分析。針對兩種流形學習算法的不足,構建了改進后的SSLLE流形學習算法。實驗結果表明:SSLLE算法可以在一定程度上克服LLE算法和SLLE算法的不足。
　　本文的主要研究工作包括以下幾個方面:
　　1.對流形學習的理論方法、研究現(xiàn)狀、應

3、用領域進行了探討,詳細地分析研究了LLE算法和SLLE算法的優(yōu)點與不足。分析總結了圖像識別相關理論和現(xiàn)有圖像特征的提取方法。
　　2.針對LLE算法和SLLE算法的抗噪性差和重構鄰域參數(shù)k難確定這兩點不足,構建了SSLLE流形學習算法。SSLLE算法通過節(jié)點重構使得鄰域參數(shù)k值自動選取,且其對噪聲的敏感性相對于LLE算法和SLLE算法較低,并通過實驗予以驗證。
　　3.應用SSLLE流形學習算法于圖像識別。通過編程實現(xiàn)了圖像