基于隨機(jī)點積圖理論的模式識別方法研究.pdf

1、隨著計算機(jī)技術(shù)與人工智能理論的發(fā)展，模式識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)用于聲音和語言識別、文字識別、指紋識別、圖像分析等領(lǐng)域。近年來，網(wǎng)絡(luò)數(shù)據(jù)的分析和處理成為模式識別的重要研究內(nèi)容。面對網(wǎng)絡(luò)這種新型、動態(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)理論受到越來越多的關(guān)注。
　　 研究表明，隨機(jī)圖可以更好地模擬現(xiàn)實的關(guān)系數(shù)據(jù)，在分類、聚類、匹配等模式識別經(jīng)典問題中都顯示出明顯優(yōu)勢與發(fā)展?jié)摿?。本文立足于一種重要的

2、隨機(jī)圖模型--隨機(jī)點積圖，重點研究了隨機(jī)點積圖在自動圖像標(biāo)注、多社團(tuán)屬性關(guān)系傳播、網(wǎng)絡(luò)攻擊檢測等多個模式識別新興熱點問題中的應(yīng)用，并從理論上對隨機(jī)點積圖在保持模長歸一化的約束下進(jìn)行了進(jìn)一步的推廣。
　　 隨機(jī)點積圖是近年來新提出的一種點.邊隨機(jī)圖模型，它通過對節(jié)點的隨機(jī)賦值，依照點積規(guī)則計算節(jié)點之間的連接概率，從而通過節(jié)點的隨機(jī)性體現(xiàn)出邊的隨機(jī)性，形成隨機(jī)圖。隨機(jī)點積圖具有聚類性、傳遞性、度冪律性等多種重要性質(zhì)，可以很好地擬合現(xiàn)

3、實存在的各種圖結(jié)構(gòu)和網(wǎng)絡(luò)。本文從概率期望的角度證明了隨機(jī)點積圖的傳遞性，將在一維空間中的證明過程推廣到高維空間中；傳統(tǒng)的傳遞性質(zhì)只涉及節(jié)點連通時的情況，本文提出了在隨機(jī)點積圖中節(jié)點不連通時邊概率的傳遞性，并給予證明。對于隨機(jī)點積圖的求解問題，本文研究了隨機(jī)點積圖對關(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)點積化問題轉(zhuǎn)化成了矩陣范數(shù)逼近問題，通過對加權(quán)鄰接矩陣的譜分解得到節(jié)點的賦值。
　　 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，如何有效檢索海量的圖像數(shù)據(jù)是個人與商業(yè)搜索引擎都迫切需要考慮的問題。自動圖像標(biāo)注能提供更符合人類檢索習(xí)慣的文本輸入查詢方式，是圖像檢索中的一項關(guān)鍵技術(shù)。本文提出了一種基于隨機(jī)點積圖的圖像標(biāo)注算法，該算法首先構(gòu)造了一個融合了底層特征間、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)點積圖對該關(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，最終實現(xiàn)自動圖像標(biāo)注?；陔S機(jī)點積圖的圖像標(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，從整體進(jìn)行關(guān)聯(lián)圖的隨機(jī)點積重構(gòu)，并實現(xiàn)自動標(biāo)注。在多個通用圖像庫上的實驗證明，該方法可以有效提高圖像標(biāo)注精度，尤其在圖像庫較小時，具有明顯優(yōu)勢。
　　 近年來社會網(wǎng)絡(luò)的研究取得了高速發(fā)展，其應(yīng)用也越來越普及。與傳統(tǒng)的模式識別不同，網(wǎng)絡(luò)分析側(cè)重個體之間相互聯(lián)系的分析和挖掘，所以從模式識別的角度來看，

6、網(wǎng)絡(luò)分析也稱為“鏈接識別”(Link recognition)或者“鏈接分析”(Link analysis)。在網(wǎng)絡(luò)中，個體與個體之間圍繞共同的興趣和話題相互聯(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別中一個挑戰(zhàn)性的問題。本文提出了一種基于隨機(jī)點積圖的多社團(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)中的個體特征，

7、用隨機(jī)點積圖對當(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。該方法可以同時實現(xiàn)對社團(tuán)中成員的劃分與屬性關(guān)系的跨社團(tuán)傳遞。通過在多個實際社會網(wǎng)絡(luò)數(shù)據(jù)庫的實驗表明，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別中的重要研究問題。對于關(guān)系數(shù)據(jù)，隨機(jī)點積圖可以將圖中的節(jié)點嵌入到向量空間中。關(guān)系數(shù)據(jù)經(jīng)過核函數(shù)形成的相似矩陣往往具有相同的對角元，基于這一重要性質(zhì)，本文提出一種改進(jìn)的隨機(jī)點積圖模型--保持模長

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

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