基于流形學(xué)習(xí)的圖像識別研究.pdf

1、復(fù)雜事物和對象通常用高維數(shù)據(jù)來表達(dá)和描述。如果直接對高維數(shù)據(jù)進(jìn)行處理(如分類識別)，容易導(dǎo)致“維數(shù)災(zāi)難”問題。因此，對此類數(shù)據(jù)進(jìn)行降維，即減弱(或去掉)不必要的特征，加強(qiáng)(或保留)有重要影響的特征，能大大提高信息處理的效率和性能，是信息領(lǐng)域的重要研究內(nèi)容。近來提出的流形學(xué)習(xí)方法，能夠克服傳統(tǒng)線性降維方法無法保持?jǐn)?shù)據(jù)間非線性結(jié)構(gòu)的缺陷，找出隱藏在高維觀測數(shù)據(jù)中有意義的非線性低維流形分布，以消除信息冗余，減少運(yùn)算量。這種非線性降維方法目前已

2、成為降維算法的研究熱點，已成功地應(yīng)用于數(shù)據(jù)壓縮、特征提取和高維數(shù)據(jù)可視化等領(lǐng)域。
　　 本文進(jìn)行了以下研究：
　　 1、綜述了目前用于數(shù)據(jù)降維處理的常用線性算法和基于流形學(xué)習(xí)的非線性算法的原理、特點以及進(jìn)展。對基于流形學(xué)習(xí)的Isomap算法和LLE算法以及改進(jìn)算法——增量式Isomap算法、有監(jiān)督的Isomap算法、增量式LLE算法和有監(jiān)督的LLE算法進(jìn)行了應(yīng)用實例分析。
　　 2、結(jié)合增量式Isomap算法和有

3、監(jiān)督的Isomap算法，提出了有監(jiān)督的增量式Isomap算法，并進(jìn)行了人臉圖像實驗。實驗結(jié)果證明，新方法繼承了經(jīng)典Isomap算法最大限度地保持測地線距離的線性子空間的優(yōu)點，且改進(jìn)了Isomap無法對后續(xù)采集的測試樣本單獨進(jìn)行降維處理和未能利用樣本點的分類信息的兩點不足之處；節(jié)省了計算時間，提高了算法效率。
　　 3、根據(jù)上述改進(jìn)思路，對具有相同缺陷的LLE算法也進(jìn)行了類似的改進(jìn)。提出了有監(jiān)督的增量式LLE算法，并進(jìn)行了人臉圖像