

版權(quán)說明: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),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
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
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多元圖特征基元的模式識別方法研究
- 基于多元圖特征基元的模式識別方法研究.pdf
- 基于群集智能模式識別方法的研究.pdf
- 基于WAMS的低頻振蕩模式識別方法研究.pdf
- 基于鐵譜的磨損模式識別方法研究.pdf
- 改進(jìn)的SVM模式識別方法.pdf
- 基于貝葉斯網(wǎng)絡(luò)的模式識別方法研究.pdf
- 基于磨粒分析的磨損模式識別方法研究.pdf
- Java藍(lán)圖模式識別方法的研究.pdf
- 基于SVM模式識別方法的橋梁頻域損傷識別.pdf
- 動態(tài)模式識別方法研究及應(yīng)用.pdf
- IDS中模糊模式識別方法的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的故障模式識別方法的研究.pdf
- 基于ANN-HMM的時序模式識別方法研究.pdf
- 基于動態(tài)模式識別方法的BCI康復(fù)系統(tǒng).pdf
- 基于區(qū)間重疊度的可拓模式識別方法研究.pdf
- 基于模式識別方法的多光譜遙感圖像分類研究.pdf
- 基于模式識別技術(shù)的雷達(dá)輻射源分類識別方法研究.pdf
- 基于壓縮感知的PSK信號調(diào)制模式識別方法.pdf
- 基于模糊聚類理論的局部放電模式識別方法與實驗研究.pdf
評論
0/150
提交評論