基于图的监督和半监督特征组合方法

基于图的监督和半监督特征组合方法

ID:21882061

大小:2.07 MB

页数:64页

时间:2018-10-25

基于图的监督和半监督特征组合方法_第1页
基于图的监督和半监督特征组合方法_第2页
基于图的监督和半监督特征组合方法_第3页
基于图的监督和半监督特征组合方法_第4页
基于图的监督和半监督特征组合方法_第5页
资源描述:

《基于图的监督和半监督特征组合方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、论论分类号O175单位代码10447文密级无学号1110100201题目基 于图的监督和半监督特硕士学位论文征组论文题目基于图的监督和半监督合方法特征组合方法聊城大作者姓名朱振凤学专业名称应用数学指导教师姓名范丽亚教授学院数学科学学院论文提交日期2014年4月学号:1110100201研究生姓名:朱振凤论文分类号:0175答辩日期:2014年6月7日所获学位:理学硕士所在学院:聊城大学数学科学学院专业:应用数学导师姓名和所在学院:范丽亚教授,聊城大学数学科学学院论文题名:基于图的监督和半监督特征组合方法并列题名:无英文题名:supervisedandsemi-supe

2、rvisedfeaturecombinationmethodsbasedongraph关键词(中):模式识别;建图;监督算法;半监督算法;特征组合关键词(英):patternrecognition;congstructionofgraph;supervisedalgorithm;semi-supervisedalgorithm;featurecombination原创性声明本人郑重声明:所提交的学位论文是本人在导师的指导下,独立进行研究取得的成果。除文中已经注明引用的内容外,论文中不含其他人已经发表或撰写过的研究成果,也不包含为获得聊城大学或其他教育机构的学位证书而使

3、用过的材料。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本人承担本声明的法律责任。学位论文作者签名:日期导师签名:日期学位论文使用授权声明本学位论文作者完全了解聊城大学有关保留、使用学位论文的规定,即:聊城大学有权保留并向国家有关部门或机构送交学位论文的复印件和磁盘,允许论文被查阅和借阅。本人授权聊城大学可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或其它手段保存、汇编学位论文。学位论文作者签名:日期导师签名:日期摘要本文主要研究基于图的监督和半监督的数据特征组合方法,提出了基于图的监督特征组合方法的框架(GF).并且将F

4、isher判别分析(FDA)、主成分分析(PCA)、局部保持投影(LPP)、判别局部保持投影(DLPP)、间隔Fisher分析(MFA)和极大间隔准则(MMC)归结到这个框架下,通过选取不同的权矩阵相应的得到GFDA,GPCA,GLPP,GDLPPP,GMFA和GMMC.但是所提出的框架通常会遇到矩阵的奇异性问题,为了解决这个问题提出了正则化的GF(RGF),基于零空间的GF(NGF),基于奇异值分解的GF(GF/SVD),基于广义奇异值分解的GF(GF/GSVD)和基于伪逆的GF(PIGF).在GF基础上提出了基于图的半监督特征组合方法的框架(SGF),并且推广到加

5、核情况下,得到相应的核SGF(KSGF)算法.为了检验所提出的五种特征组合方法的有效性,通过一系列的遥感数据实验进行了测试.从得出的数据结果上,说明新的特征组合方法的有效性.特别的,GFDA优于其它四种基于图的监督特征组合方法,KSGF明显优于SGF.关键词:模式识别;建图;监督算法;半监督算法;特征组合ABSTRACTInthispaper,westudythefeaturecombinationofthesuperviseddataandsemi-superviseddatabasedongraphs,andproposeaunifiedframeworkofsu

6、pervisedfeaturecombinationbasedongraphs(GF).AndwetakethatFisherdiscriminantanalysis(FDA),principalcomponentanalysis(PCA),localitypreservingprojection(LPP),discriminantlocalitypreservingprojection(DLPP),marginalFisheranalysis(MFA),andmaximummargincriterion(MMC)addtoGF,andobtainthecorresp

7、ondingmethodswrittenasGFDA,GPCA,GLPP,GDLPPP,GMFAandGMMCbymeansofdifferentselectionofweightingmatrixes.Buttheproposedframeworkmeetwithanoftensingularityproblemofweightingmatrixes,inordertodealwiththatproblem,wemakealgorithmsforGF,thatisregularizedGF(RGF),GFbasedonnullspace(NGF),

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。