2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩129頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、視覺(jué)是人類智能的重要組成部分,同時(shí)視覺(jué)信息數(shù)據(jù)也是人類最復(fù)雜和最有用的感覺(jué)輸入信息。研究視覺(jué)信息的計(jì)算理論和算法,希望計(jì)算機(jī)具有人類的視覺(jué)這樣的模式識(shí)別能力,是人類在基礎(chǔ)研究和應(yīng)用研究中所面臨的最重大的挑戰(zhàn)之一。目前,基于計(jì)算機(jī)的視覺(jué)信息分析的理論還不完善,對(duì)視覺(jué)信息的分析和研究還在廣泛進(jìn)行。
   雖然數(shù)據(jù)量巨大、維數(shù)高、非結(jié)構(gòu)化的視覺(jué)信息數(shù)據(jù)能夠提供更多方面的更完整的信息,但維數(shù)膨脹引發(fā)的“維數(shù)災(zāi)難”(curses of d

2、imensionality)不可避免,因此在視覺(jué)信息數(shù)據(jù)分析中,維數(shù)約減技術(shù)經(jīng)常是有用的甚至是必須的。傳統(tǒng)的線性降維方法包括Principal Component Analysis(PCA)、Multi-Dimensional Scale(MDS)Linear Discriminant Analysis(LDA)等,它們的優(yōu)點(diǎn)是涉及的數(shù)學(xué)理論較簡(jiǎn)單,并能產(chǎn)生顯式的映射變換。但是現(xiàn)實(shí)中的高維數(shù)據(jù)(如視覺(jué)信息)大多是復(fù)雜的非線性結(jié)構(gòu),線性方

3、法很難挖掘其數(shù)據(jù)結(jié)構(gòu)和相關(guān)性。
   以LLE為代表的局部保持的流形學(xué)習(xí)方法具有廣泛的應(yīng)用背景,在高維數(shù)據(jù)的非線性降維,字符識(shí)別,人臉姿態(tài)識(shí)別等領(lǐng)域得到較好的應(yīng)用。但是,由于視覺(jué)信息數(shù)據(jù)的高維復(fù)雜性,這些方法不可避免的也存在一些問(wèn)題,如流形學(xué)習(xí)中時(shí)間信息的嵌入、多類圖像數(shù)據(jù)或多鏡頭視頻數(shù)據(jù)分析等??紤]到圖像或視頻數(shù)據(jù)的高維復(fù)雜性,本文擬對(duì)流形學(xué)習(xí)的相關(guān)算法進(jìn)行深入分析,提出針對(duì)視覺(jué)信息數(shù)據(jù)的保局的流形學(xué)習(xí)算法,其主要研究工作和創(chuàng)

4、新點(diǎn)體現(xiàn)在以下幾個(gè)方面:
   a.流形學(xué)習(xí)的時(shí)間嵌入方法
   某些視覺(jué)信息如視頻,時(shí)間是一個(gè)很重要的線索。然而流形學(xué)習(xí)算法卻是與時(shí)間無(wú)關(guān)的,如何將時(shí)間信息嵌入到流形學(xué)習(xí)算法中去是值得研究的一個(gè)問(wèn)題。提出了嵌入時(shí)間信息的Time-Embedding2dlpp算法,并且基于TE-2dlpp算法生成了視頻摘要,實(shí)驗(yàn)結(jié)果令人滿意。其次,我們提出了視頻流形特征的概念,并將視頻流形特征應(yīng)用于視頻鏡頭變換和視頻軌跡。視頻流形特征為

5、視頻分析提供了新的手段。
   b.基于多類流形學(xué)習(xí)的數(shù)據(jù)可視化及分類
   當(dāng)樣本數(shù)據(jù)位于多個(gè)流形上時(shí)(多類數(shù)據(jù)),保局的流形學(xué)習(xí)方法(如局部線性嵌入)失效??紤]到實(shí)際數(shù)據(jù)中經(jīng)常會(huì)出現(xiàn)多類情況,如多類的圖像集,多鏡頭的視頻等,即當(dāng)高維數(shù)據(jù)分布在多個(gè)不連續(xù)的流形上時(shí),提出一種新的基于LLE的多類流形學(xué)習(xí)算法,并將多流形學(xué)習(xí)算法應(yīng)用于多類圖像或視頻的數(shù)據(jù)可視化。
   由于這些方法采用了非顯性的映射,導(dǎo)致無(wú)法直接應(yīng)

6、用于新的測(cè)試數(shù)據(jù),使得這些方法在分類上具有很大的局限性。本文提出了一種針對(duì)多類流形數(shù)據(jù)的分類方法,并取得了較好的實(shí)驗(yàn)效果。
   c.基于局部線性嵌入的半監(jiān)督流形學(xué)習(xí)
   在許多實(shí)際的機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘應(yīng)用中,盡管手邊有大量的無(wú)標(biāo)簽數(shù)據(jù),但通常只有少量的有標(biāo)簽數(shù)據(jù)可以使用。因此,為了自動(dòng)地使用無(wú)標(biāo)簽數(shù)據(jù)來(lái)輔助監(jiān)督學(xué)習(xí),提出了基于LLE算法的半監(jiān)督學(xué)習(xí)方法。算法的基本思想是在維數(shù)約簡(jiǎn)的過(guò)程中既要保持類內(nèi)數(shù)據(jù)的近鄰關(guān)系,又

7、能通過(guò)鄰域點(diǎn)預(yù)測(cè)未標(biāo)簽數(shù)據(jù)的類別信息。與其他的方法不同,我們的方法使用了一種改進(jìn)的最小生成樹(shù)k-NN圖。我們提出了雙重權(quán)的概念,重構(gòu)權(quán)用于發(fā)現(xiàn)低維嵌入,衍生權(quán)用于標(biāo)簽傳播。應(yīng)用于合成Scurve數(shù)據(jù)、多類數(shù)據(jù)和傳導(dǎo)分類的實(shí)驗(yàn)都驗(yàn)證了算法的有效性。
   d.局部保持的流形學(xué)習(xí)統(tǒng)一框架
   局部保持的流形學(xué)習(xí)主要是通過(guò)建立局部模型刻畫(huà)局部幾何特性,然后在平均意義下整合對(duì)齊所有交疊的局部幾何模型發(fā)現(xiàn)某種內(nèi)在全局幾何規(guī)律,最

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)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(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論