

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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、模式識(shí)別是一門以應(yīng)用數(shù)學(xué)為理論基礎(chǔ),利用計(jì)算機(jī)應(yīng)用技術(shù),解決實(shí)際分類及識(shí)別問題的學(xué)問。統(tǒng)計(jì)和微分幾何規(guī)范理論和技術(shù)在模式識(shí)別中有著廣泛的應(yīng)用,尤其是在形狀分析以及混合模型的無監(jiān)督學(xué)習(xí)問題中。 本文以統(tǒng)計(jì)理論和微分幾何為理論基礎(chǔ),重點(diǎn)研究?jī)煞矫娴膬?nèi)容:(a)對(duì)基于微分流形的形狀分析相關(guān)問題進(jìn)行了較為系統(tǒng)的研究;(b)對(duì)于混合模型的無監(jiān)督學(xué)習(xí)的理論和方法進(jìn)行研究,尤其是模型分支數(shù)目的選擇問題。 在基于微分流形的形狀分析方面,
2、以平面上的簡(jiǎn)單閉合形狀為研究對(duì)象,深入研究基于該理論框架下的形狀分析。在傳統(tǒng)的方法中,統(tǒng)計(jì)形狀分析主要是使用地標(biāo)點(diǎn)(landmark)來建立形狀特征關(guān)鍵點(diǎn)的數(shù)學(xué)模型,通過主成分分析來學(xué)習(xí)其關(guān)鍵點(diǎn)的參數(shù),或水平集的方法來建立形狀模型。但是這些方法都存在需要人工干預(yù)、不能實(shí)現(xiàn)拓?fù)渥冃蔚热毕?。因而,針?duì)這些缺陷,我們需要構(gòu)建一個(gè)統(tǒng)一的、具有拓?fù)洳蛔冃缘男螤羁臻g。在此空間下,借助合適的概率模型,通過從訓(xùn)練集中學(xué)習(xí)到的關(guān)鍵參數(shù),推導(dǎo)和演繹出其他未
3、知形狀,進(jìn)而對(duì)形狀進(jìn)行識(shí)別。 本文以微分幾何為分析工具,利用弧長(zhǎng)為參數(shù)的函數(shù)去描述平面簡(jiǎn)單閉合形狀,建立了一個(gè)無限維的微分流形。形狀之間的變化被表示為這些流形上的李群作用。旋轉(zhuǎn),平移,縮放的不變性通過低維的群作用實(shí)現(xiàn);形狀平滑的連續(xù)變化模型可以通過高維的微分同胚群來建立,即借用微分幾何中直線沿曲面上的曲線平行移動(dòng)的方法,在形狀空間中給出兩個(gè)形狀連續(xù)變化的測(cè)地線路徑。 混合模型作為統(tǒng)計(jì)形狀分析有力工具而備受關(guān)注,本文對(duì)混合
4、模型的無監(jiān)督學(xué)習(xí)理論和方法進(jìn)行了深入研究?;旌夏P椭幸粋€(gè)關(guān)鍵的問題是模型中分支數(shù)目k的估計(jì),一些經(jīng)典的混合模型擬合方法(比如極大似然方法、Bayes方法)都是在固定k的情況下進(jìn)行的。而實(shí)際應(yīng)用中k的值多數(shù)是未知的,一般從數(shù)據(jù)集對(duì)其進(jìn)行估計(jì)。估計(jì)k的值是期望最大化算法擬合有限混合模型的主要困難,只有獲得正確的k后才能對(duì)模型其它參數(shù)進(jìn)行估計(jì)。傳統(tǒng)的模型選擇方法是在原有的參數(shù)估計(jì)算法后加入一個(gè)準(zhǔn)則函數(shù),嘗試多個(gè)可能的k(kmin-kmax),
5、并比較不同k下基于似然函數(shù)的某種準(zhǔn)則函數(shù)的值,再根據(jù)某一檢驗(yàn)準(zhǔn)則對(duì)它們進(jìn)行檢驗(yàn),選擇檢驗(yàn)結(jié)論好的那一個(gè)k作為最優(yōu)分支數(shù)。這種方法需要估計(jì)多個(gè)k值下的參數(shù),當(dāng)混合模型的密度函數(shù)為t分布時(shí),計(jì)算復(fù)雜度會(huì)變得異常的高。為了解決這個(gè)問題,本文提出了t混合模型的次勝者受罰的期望值最大化(RPEM)算法,其思路是在期望最大化算法中加入懲罰項(xiàng),在似然函數(shù)里設(shè)計(jì)出特殊的加權(quán)項(xiàng),使EM算法在初始類中心的位置參數(shù)更新時(shí),分成獲勝點(diǎn)和次勝點(diǎn)分別更新,獲勝者取
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(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)頁內(nèi)容里面會(huì)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(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
- 反求工程CAD混合建模理論與方法研究.pdf
- 煤氣混合建模方法的研究.pdf
- 化工過程混合建模問題研究.pdf
- 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化及混合建模研究.pdf
- 復(fù)雜虛擬場(chǎng)景中人群混合建模及繪制方法研究.pdf
- 混合建模若干關(guān)鍵技術(shù)的研究.pdf
- 電站鍋爐NOx排放與效率混合建模及優(yōu)化研究.pdf
- 基于頻響函數(shù)的子結(jié)構(gòu)混合建模研究及實(shí)現(xiàn).pdf
- 爐膛燃燒過程混合建模與仿真方法研究.pdf
- 基于數(shù)據(jù)的生化過程混合建模方法研究.pdf
- 虛擬建筑的混合建模技術(shù)研究.pdf
- 網(wǎng)絡(luò)入侵檢測(cè)建模及理論研究.pdf
- 基于平臺(tái)的SoC多級(jí)混合建模技術(shù)研究.pdf
- 聚合反應(yīng)過程混合建模方法的探討.pdf
- 生物膜形狀的理論研究.pdf
- 基于HOOPS的混合建??梢暬芯颗c實(shí)現(xiàn).pdf
- 精餾塔機(jī)理—神經(jīng)網(wǎng)絡(luò)混合建模的研究.pdf
- 高速電路的場(chǎng)路混合建模及電源完整性的研究.pdf
- 基于集成學(xué)習(xí)算法的浸出過程混合建模研究.pdf
- 電站鍋爐效率與NO_X排放混合建模優(yōu)化研究.pdf
評(píng)論
0/150
提交評(píng)論