基于图结构的半监督字典学习研究

《基于图结构的半监督字典学习研究》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、分类号：TP391.41UDC：510学号：15451082131密级：公开温州大学硕士学位论文基于图结构的半监督字典学习研究作者姓名：刘晗宇学科、专业：应用数学研究方向：智能系统与控制指导教师：王迪副教授完成日期：2018-5-30温州大学学位委员会温州大学学位论文独创性声明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得温州大学或其它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

2、作了明确的说明并表示了谢意。论文作者签名：日期：年月日温州大学学位论文使用授权声明本人完全了解温州大学关于收集、保存、使用学位论文的规定，即：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电子版，允许论文被查阅和借阅。本人授权温州大学可以将本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和汇编本学位论文。本人在导师指导下完成的论文成果，知识产权归属温州大学。保密论文在解密后遵守此规定。论文作者签名：导师签名：日期：年月日日期：年月日基于图结构的半监督字典学习摘要近年来，有监督字典学习由于其较好的分类效果获得了研究者的

3、广泛关注。其主旨思想是通过对有标签训练样本的学习提取出具有类间判别性的特征，为分类提供更好的判断依据。但是对大量样本进行标签标注是非常困难的，而收集大量的无标签样本已非常容易。因此，合理利用有标签样本与无标签样本之间的内在结构关系成为提高所学字典表示能力和判别能力的关键。基于此思想，本文提出两种基于图结构的半监督字典学习方法。本文的主要研究工作与贡献可归纳为：（1）提出了基于图结构的L1范数半监督字典学习方法，具体思想为：利用特殊标签传播方法（SpecialLabelPropagation,SLP）所获得的软标签和训练样本之间的稀疏编码共同构造样本间的图结构，并

4、将其嵌入到字典学习框架中，通过图结构约束和同类样本的结构稀疏性，迫使无标签样本在字典学习的过程中能够自动加入到其所在的样本类别中，并与其同类的有标签样本共享少数字典原子，从而提高字典的稀疏表达能力和判别能力。在真实数据集上的实验结果表明该算法具有优良的分类性能。（2）大量研究表明Lp范数在稀疏表示方面比L1范数有着更大的优势，因此在前期工作的基础上，提出了改进的基于图结构的Lp范数半监督字典学习。在真实数据集上的实验结果表明，该算法优于其它算法及基于图结构的L1范数半监督字典学习算法。（3）针对模型的非凸非光滑性,我们提出了一种基于块坐标下降法（BlockCoo

5、rdinateDescent,BCD）的有效算法。关键词：稀疏表示，图结构，字典学习，半监督字典学习IIIGraph-BasedSemi-SupervisedDictionaryLearningABSTRACTInrecentyears,superviseddictionarylearninghasgainedwideattentionfromresearchersbecauseofitsbetterclassificationeffect.Themainideaistoextractthediscriminativecharacteristicsbetween

6、classesbylearningthetrainingsampleswithlabels,soastoprovideabetterbasisforclassification.However,itisverydifficulttolabelalargenumberofsamples,anditisveryeasytocollectalargenumberofunlabeledsamples.Therefore,therationaluseoftheintrinsicstructuralrelationshipbetweenthelabeledandunlabe

7、ledsamplesisthekeytoimprovingtheabilityandabilitytodistinguishthedictionary.Basedonthisidea,twokindsofsemisuperviseddictionarylearningmethodsbasedongraphstructureareproposedinthispaper.Themainresearchworkandcontributionofthisarticlecanbesummedupasfollows:(1)AlearningmethodofGraph-Bas

8、edL1NormSemi