

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),請進行舉報或認領(lǐng)
文檔簡介
1、近年來,隨著科學技術(shù)的發(fā)展,人們對于各種數(shù)據(jù)的獲取較之以往更為方便和普遍。然而,在很多實際應用問題中,我們所采集到的數(shù)據(jù)往往具有高維數(shù)、非線性等特征。這些特征一方面導致了“維數(shù)災難”現(xiàn)象的出現(xiàn),另一方面,不利于人們直接理解及發(fā)現(xiàn)數(shù)據(jù)集所蘊含的內(nèi)在規(guī)律。因此,利用降維技術(shù)對高維數(shù)據(jù)進行處理就顯得尤為重要。傳統(tǒng)的降維方法(例如主成分分析、獨立成分分析、線性判別分析等)能夠有效地處理具有線性結(jié)構(gòu)和高斯分布的數(shù)據(jù)集。但當數(shù)據(jù)集具有非線性結(jié)構(gòu)時,
2、這些方法卻難以發(fā)現(xiàn)隱藏在高維數(shù)據(jù)中的內(nèi)在低維信息?;诹餍螌W習的數(shù)據(jù)降維方法假設(shè)高維觀測數(shù)據(jù)位于嵌入到高維歐式空間的低維流形上,因此可以有效地發(fā)現(xiàn)和保持在高維空間中呈現(xiàn)高度扭曲數(shù)據(jù)集的內(nèi)在幾何結(jié)構(gòu)。目前,流形學習算法已經(jīng)成為了數(shù)據(jù)挖掘、模式識別、統(tǒng)計機器學習等相關(guān)領(lǐng)域研究的熱點。
本文對基于流形學習的數(shù)據(jù)降維方法進行了深入地研究,提出了3種基于流形學習的數(shù)據(jù)降維和特征提取方法,并將其應用于具體的人臉識別問題中。通過仿真實驗
3、和與其它算法的比較,驗證了文中算法的有效性。主要工作和創(chuàng)新成果集中在以下幾個方面:
1、對現(xiàn)有的線性及非線性降維算法進行總結(jié),并對流形學習的定義、研究現(xiàn)狀、應用領(lǐng)域進行介紹。通過對人臉識別技術(shù)的分析,指出了將流形學習應用于人臉識別問題的合理性和可行性。
2、為了解決傳統(tǒng)主成分分析(PCA)算法無法應用于非線性結(jié)構(gòu)數(shù)據(jù)的缺點,提出了一種基于局部PCA和低維坐標排列的流形學習算法。在本方法中,首先利用測地線距離的
4、約束和最小集覆蓋方法將數(shù)據(jù)所在的整體非線性流形劃分成若干個互相重疊的最大線性貼片(Maximum Linear Patch,MLP)。由于得到的每個最大線性貼片所包含的數(shù)據(jù)具有線性結(jié)構(gòu),因此,我們可以利用傳統(tǒng)的主成分分析(PCA)方法對每個最大線性貼片中的數(shù)據(jù)進行降維,得到其局部低維坐標。最后,將坐標排列(alignment)技術(shù)和最大間隔準則(Maximum MarginCriterion)結(jié)合,對所有最大線性貼片的局部低維坐標進行排
5、列,得到整體數(shù)據(jù)集的全局降維結(jié)果。由于本方法在降維的過程中同時考慮到了數(shù)據(jù)的流形結(jié)構(gòu)和類別信息,因此,在人臉識別的實驗中取得了較好的結(jié)果。
3、提出了一種自適應加權(quán)的子模式局部保持投影算法(Aw-SpLPP)。與傳統(tǒng)的局部保持投影(LPP)算法不同,Aw-SpLPP首先將輸入的高維原始數(shù)據(jù)劃分成若干個子模式,然后利用LPP算法對得到的每個子模式集合分別進行降維,得到可以保持各個子模式集合局部結(jié)構(gòu)的低維特征。此外,為了增強算
6、法的魯棒性,采用一種自適應的方法計算每個子模式對于識別的權(quán)重。通過將Aw-SpLPP算法應用于人臉識別問題,可以看出該方法不僅能夠提高傳統(tǒng)LPP的計算效率,在識別的準確率方面也要優(yōu)于其它的子模式算法。
4、提出了一種結(jié)構(gòu)保持的投影算法(SPP)。在本方法中,我們同樣將原始高維數(shù)據(jù)劃分成若干個子模式。但與前面提到的Aw-SpLPP和其它基于子模式的方法不同,SPP在對每個子模式進行降維的過程中,不僅考慮到了它所在子模式集合的
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 基于流形學習的數(shù)據(jù)降維方法研究.pdf
- 基于流形學習的數(shù)據(jù)降維.pdf
- 流形學習研究及其在人臉識別中的應用.pdf
- 基于流形學習的三維人臉識別方法.pdf
- 基于流形學習的數(shù)據(jù)降維的研究.pdf
- 流形學習在數(shù)據(jù)降維中的應用研究.pdf
- 基于流形學習的數(shù)據(jù)降維算法研究.pdf
- 基于流形學習的降維方法及應用研究.pdf
- 流形學習算法在人臉識別中的應用研究.pdf
- 基于流形學習的數(shù)據(jù)降維算法的研究.pdf
- 流形學習降維及其應用研究
- 基于流形學習的降維算法.pdf
- 流形學習方法在視頻人臉識別中的應用基礎(chǔ)研究.pdf
- 基于流形學習及其改進方法的人臉識別研究.pdf
- 流形學習中非線性降維方法的研究及在煙草數(shù)據(jù)中的應用.pdf
- 流形學習降維及其應用研究.pdf
- 數(shù)據(jù)降維及分類中的流形學習研究.pdf
- 轉(zhuǎn)子故障數(shù)據(jù)降維的流形學習方法研究.pdf
- 基于流形學習的數(shù)據(jù)降維技術(shù)研究.pdf
- 流形學習算法的改進及在人臉識別中的應用.pdf
評論
0/150
提交評論