基于隨機(jī)點(diǎn)積圖理論的模式識(shí)別方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)與人工智能理論的發(fā)展，模式識(shí)別的理論與方法研究已經(jīng)取得很大進(jìn)展，并已廣泛應(yīng)用于聲音和語(yǔ)言識(shí)別、文字識(shí)別、指紋識(shí)別、圖像分析等領(lǐng)域。近年來(lái)，網(wǎng)絡(luò)數(shù)據(jù)的分析和處理成為模式識(shí)別的重要研究?jī)?nèi)容。面對(duì)網(wǎng)絡(luò)這種新型、動(dòng)態(tài)的大規(guī)模關(guān)系數(shù)據(jù)，隨機(jī)圖及其所衍生出的復(fù)雜網(wǎng)絡(luò)理論受到越來(lái)越多的關(guān)注。
　　 研究表明，隨機(jī)圖可以更好地模擬現(xiàn)實(shí)的關(guān)系數(shù)據(jù)，在分類(lèi)、聚類(lèi)、匹配等模式識(shí)別經(jīng)典問(wèn)題中都顯示出明顯優(yōu)勢(shì)與發(fā)展?jié)摿?。本文立足于一種重要的

2、隨機(jī)圖模型--隨機(jī)點(diǎn)積圖，重點(diǎn)研究了隨機(jī)點(diǎn)積圖在自動(dòng)圖像標(biāo)注、多社團(tuán)屬性關(guān)系傳播、網(wǎng)絡(luò)攻擊檢測(cè)等多個(gè)模式識(shí)別新興熱點(diǎn)問(wèn)題中的應(yīng)用，并從理論上對(duì)隨機(jī)點(diǎn)積圖在保持模長(zhǎng)歸一化的約束下進(jìn)行了進(jìn)一步的推廣。
　　 隨機(jī)點(diǎn)積圖是近年來(lái)新提出的一種點(diǎn).邊隨機(jī)圖模型，它通過(guò)對(duì)節(jié)點(diǎn)的隨機(jī)賦值，依照點(diǎn)積規(guī)則計(jì)算節(jié)點(diǎn)之間的連接概率，從而通過(guò)節(jié)點(diǎn)的隨機(jī)性體現(xiàn)出邊的隨機(jī)性，形成隨機(jī)圖。隨機(jī)點(diǎn)積圖具有聚類(lèi)性、傳遞性、度冪律性等多種重要性質(zhì)，可以很好地?cái)M合現(xiàn)

3、實(shí)存在的各種圖結(jié)構(gòu)和網(wǎng)絡(luò)。本文從概率期望的角度證明了隨機(jī)點(diǎn)積圖的傳遞性，將在一維空間中的證明過(guò)程推廣到高維空間中；傳統(tǒng)的傳遞性質(zhì)只涉及節(jié)點(diǎn)連通時(shí)的情況，本文提出了在隨機(jī)點(diǎn)積圖中節(jié)點(diǎn)不連通時(shí)邊概率的傳遞性，并給予證明。對(duì)于隨機(jī)點(diǎn)積圖的求解問(wèn)題，本文研究了隨機(jī)點(diǎn)積圖對(duì)關(guān)聯(lián)圖的模擬，并給出求解方法。該解法從關(guān)聯(lián)圖的加權(quán)鄰接矩陣出發(fā)，將關(guān)聯(lián)圖的隨機(jī)點(diǎn)積化問(wèn)題轉(zhuǎn)化成了矩陣范數(shù)逼近問(wèn)題，通過(guò)對(duì)加權(quán)鄰接矩陣的譜分解得到節(jié)點(diǎn)的賦值。
　　 圖像

4、標(biāo)注是基于內(nèi)容的圖像檢索的重要和具有挑戰(zhàn)性的課題。隨著數(shù)字圖像數(shù)據(jù)量呈爆炸性增長(zhǎng)，如何有效檢索海量的圖像數(shù)據(jù)是個(gè)人與商業(yè)搜索引擎都迫切需要考慮的問(wèn)題。自動(dòng)圖像標(biāo)注能提供更符合人類(lèi)檢索習(xí)慣的文本輸入查詢(xún)方式，是圖像檢索中的一項(xiàng)關(guān)鍵技術(shù)。本文提出了一種基于隨機(jī)點(diǎn)積圖的圖像標(biāo)注算法，該算法首先構(gòu)造了一個(gè)融合了底層特征間、標(biāo)注詞間以及圖像與標(biāo)注詞間的相似關(guān)系的關(guān)聯(lián)圖，再利用隨機(jī)點(diǎn)積圖對(duì)該關(guān)聯(lián)圖進(jìn)行重構(gòu)，挖據(jù)出圖像的底層特征間和標(biāo)注詞間隱藏的相似

5、關(guān)系，并形成狀態(tài)轉(zhuǎn)移概率，結(jié)合重啟式隨機(jī)游走，最終實(shí)現(xiàn)自動(dòng)圖像標(biāo)注?；陔S機(jī)點(diǎn)積圖的圖像標(biāo)注算法將基本標(biāo)注階段與標(biāo)注改善階段結(jié)合起來(lái)，從整體進(jìn)行關(guān)聯(lián)圖的隨機(jī)點(diǎn)積重構(gòu)，并實(shí)現(xiàn)自動(dòng)標(biāo)注。在多個(gè)通用圖像庫(kù)上的實(shí)驗(yàn)證明，該方法可以有效提高圖像標(biāo)注精度，尤其在圖像庫(kù)較小時(shí)，具有明顯優(yōu)勢(shì)。
　　 近年來(lái)社會(huì)網(wǎng)絡(luò)的研究取得了高速發(fā)展，其應(yīng)用也越來(lái)越普及。與傳統(tǒng)的模式識(shí)別不同，網(wǎng)絡(luò)分析側(cè)重個(gè)體之間相互聯(lián)系的分析和挖掘，所以從模式識(shí)別的角度來(lái)看，

6、網(wǎng)絡(luò)分析也稱(chēng)為“鏈接識(shí)別”(Link recognition)或者“鏈接分析”(Link analysis)。在網(wǎng)絡(luò)中，個(gè)體與個(gè)體之間圍繞共同的興趣和話(huà)題相互聯(lián)系形成不同的社團(tuán)。當(dāng)前，社團(tuán)已經(jīng)成為了解網(wǎng)絡(luò)結(jié)構(gòu)、功能和增長(zhǎng)機(jī)制的重要工具。由于不同社團(tuán)中存在的數(shù)據(jù)關(guān)系大不相同，社團(tuán)之間屬性關(guān)系的傳播已成模式識(shí)別中一個(gè)挑戰(zhàn)性的問(wèn)題。本文提出了一種基于隨機(jī)點(diǎn)積圖的多社團(tuán)屬性關(guān)系傳播算法。該方法從已知屬性關(guān)系的社團(tuán)入手，結(jié)合目標(biāo)社團(tuán)中的個(gè)體特征，

7、用隨機(jī)點(diǎn)積圖對(duì)當(dāng)前屬性關(guān)系不斷演化，挖掘出目標(biāo)社團(tuán)中隱藏的屬性關(guān)系。該方法可以同時(shí)實(shí)現(xiàn)對(duì)社團(tuán)中成員的劃分與屬性關(guān)系的跨社團(tuán)傳遞。通過(guò)在多個(gè)實(shí)際社會(huì)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)的實(shí)驗(yàn)表明，該方法可以準(zhǔn)確揭示社團(tuán)中隱藏的屬性關(guān)系。
　　 數(shù)據(jù)降維與嵌入是模式識(shí)別中的重要研究問(wèn)題。對(duì)于關(guān)系數(shù)據(jù)，隨機(jī)點(diǎn)積圖可以將圖中的節(jié)點(diǎn)嵌入到向量空間中。關(guān)系數(shù)據(jù)經(jīng)過(guò)核函數(shù)形成的相似矩陣往往具有相同的對(duì)角元，基于這一重要性質(zhì)，本文提出一種改進(jìn)的隨機(jī)點(diǎn)積圖模型--保持模長(zhǎng)

8、歸一化的隨機(jī)點(diǎn)積圖，它可以將圖嵌入到一個(gè)球面空間中。此外，對(duì)于歸一化的特征數(shù)據(jù)，現(xiàn)有的降維方法都沒(méi)有考慮數(shù)據(jù)的歸一化性質(zhì)，將保持模長(zhǎng)歸一化的隨機(jī)點(diǎn)積圖模型用于這類(lèi)數(shù)據(jù)的降維中，則降維后的特征數(shù)據(jù)依然是模長(zhǎng)歸一化的。在這種隨機(jī)點(diǎn)積圖模型的解空間中，歐氏距離與夾角余弦是等價(jià)的。本文從理論上給出了該模型的求解方法與收斂性分析。在多個(gè)真實(shí)數(shù)據(jù)庫(kù)上的聚類(lèi)實(shí)驗(yàn)表明，該模型可以得到更具可分性的節(jié)點(diǎn)嵌入結(jié)果。
　　 隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，大規(guī)模

9、的動(dòng)態(tài)網(wǎng)絡(luò)通過(guò)計(jì)算機(jī)和其他設(shè)備將人類(lèi)連接起來(lái)，這種大規(guī)模網(wǎng)絡(luò)已經(jīng)成為人們獲取信息和知識(shí)的重要來(lái)源。為增強(qiáng)網(wǎng)絡(luò)用戶(hù)的安全性，網(wǎng)絡(luò)攻擊行為檢測(cè)成為模式識(shí)別在網(wǎng)絡(luò)分析中亟待解決的新問(wèn)題。本文提出了一種新的基于保持模長(zhǎng)歸一化隨機(jī)點(diǎn)積圖的網(wǎng)絡(luò)攻擊檢測(cè)方法，根據(jù)待測(cè)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的隨機(jī)點(diǎn)積圖譜空間坐標(biāo)識(shí)別欺騙或攻擊。本文從理論上證明了攻擊者與普通節(jié)點(diǎn)分別落在譜空間的不同區(qū)域中。保持模長(zhǎng)歸一化隨機(jī)點(diǎn)積圖將節(jié)點(diǎn)的譜坐標(biāo)合理分布于球面空間中，并在該球面空間