具有局部学习能力的特征提取技术研究及应用

《具有局部学习能力的特征提取技术研究及应用》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、万方数据中图分类号：学科分类号：论文编号：安徽理工大学硕士学位论文具有局部学习能力的特征提取技术研究及应用作者姓名：黄匦麴专业名称：控剑理论量控剑工程研究方向：智能迟别导师姓名：皇垩副熬援导师单位：盐城王堂瞳答辩委员会主席：——论文答辩日期：2014年5月31日安徽理工大学研究生处年月日万方数据ADissertationinControlTheory_andControlEngineering—．TheStudyandApplicationofFeatureExtractionTechnologywithLocalLearningAbi

2、lityCandidate：HuangLiliSupervisor：dTUaoJunCollegeofElectricandInformationEngineeringAnHuiUniversityofScienceandTechnologyNo．168，ShungengRoad，Huainan，232001，P．R．CHINA万方数据独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方以外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得塞邀堡王太堂

3、或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学雠文储鲐狴＼帆年月日学位论文版权使用授权书本学位论文作者完全了解塞徵理王太．堂有保留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于塞徵垄王太堂。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工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、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学

4、位论文作者签名茹&◇沁＼签字日期：年月日导师鲐嘴签字吼年月日万方数据摘要近年来，随着模式识别技术在各个科技领域中显得格外重要，作为模式识别技术的关键环节——特征提取技术，也受到了越来越多研究学者的关注。科技信息的进步伴随着收集到的信息量的骤增，造成了数据的信息爆炸，特征提取技术作为解决“维数灾难"的有效途径，被广泛的研究与应用。然而，一些传统的经典特征提取方法由于一系列的问题，如小样本问题，非线性问题等，不能得到很好的特征提取效果。故本文通过分析提出了一些具有局部学习能力的特征提取算法，本课题主要的研究贡献在于：1．本文提出了一种具有局

5、部学习能力的线性特征提取方法：基于局部子域最大间距判别分析LBMMC。该方法以线性判别分析LDA为基础，指出LDA方法会因“小样本”问题而失效。本文提出的方法结合最大判别分析MMC,将散度比值改为散度差，有效地解决了“小样本问题”。同时，使用局部加权均值来代替原LDA中的标准均值，使局部信息得以更好的保持。2．由于非线性的特征提取方法在揭露嵌入在样本内部的非线性结构上有着良好的优势，故本文在KFDA的基础上提出了基于局部加权的非线性特征提取方法LWNFE。该方法能很好的反映样本内部的局部非线性结构。3．受到了矩阵模式的影响，本文提出了新

6、的具有局部学习能力的特征提取方法：基于矩阵模式的局部子域最大间距判别分析Mat．LSMMC。该方法以矩阵模式MatFLDA为基础，将样本以向量的形式转为矩阵模式结合局部加权的概念，保留了样本行列之间的信息，具有更好的特征提取效果。4．本文在特征线NFE的基础上提出了基于特征线子空间嵌入的非线性特征提取方法NFE-NFL。该方法结合了“核技术”，并利用特征线之间的联系构造拉普拉斯图，具有更好的分类效果。图【22】表[21】参[65】关键字：模式识别；特征提取；局部学习；核技术分类号：(TP277)万方数据摘要II万方数据AbstractI

7、nrecentyears，theimportanceofthepatternrecognitiontechnologyinthescienceandtechnologyinnovationisgrowingrapidly．ThefeatureextractiontechnologyaLSakeylinkintheprocessofpatternrecognitionhaSalsogotmoreandmoreresearchers’attention．Withthedevelopmentofscienceandtechnology，the

8、largeamountofinformationwehavebeencollecttedcausetheinformationexplosion．Therefore，featureextractiontec