判别式字典学习方法及应用研究

《判别式字典学习方法及应用研究》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、判别式字典学习方法及应用研究张适也2016年1月中图分类号：TP391.4UDC分类号：004.9判别式字典学习方法及应用研究作者姓名张适也学院名称计算机学院指导教师贾云得教授答辩委员会主席沈建冰教授申请学位工学硕士学科专业计算机科学与技术学位授予单位北京理工大学论文答辩日期2016年1月DiscriminativeDictionaryLearninganditsapplicationCandidateName：ShiyeZhangSchoolorDepartment:SchoolofComputerScienceFacultyMentor:Prof.YundeJi

2、aChair,ThesisCommittee:Prof.JianbingShenDegreeApplied:MasterofEngineeringMajor：ComputerScienceandTechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefense：January，2016研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机

3、构的学位或证书所使用过的材料。与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要稀疏表示作为一种强有力的图像表示模型，近年来已经被广泛地应用于解决图像分类，人脸识别，纹理分类等一系列有关于计算机视觉分类的问题。字典是稀疏表示模型中影响最终编码和分类性能的重要因素，因此如何学得一个有利于分类的具有判别力而又紧凑的字典是一个非常有挑战性的研究工作。本文在总结和分析了一些相关字典学习研究工作的基础上，从考虑数据空间的几何结构属性和训练数据的类别信息这两个角度出发，提出了两种判别式字典

4、学习方法及其应用。本文提出了一种有效的基于局部一致的判别式字典学习方法并将其应用于图像分类。在字典学习过程中，有效地利用了数据空间的几何结构信息和数据样本的类别信息，通过考虑数据空间的几何结构属性来保持局部特征间的相似性属性，通过引入类别信息使得字典的判别能力进一步加强。结合数据样本的图表示，本文的字典学习方法提出了一个有效的范式来建模数据空间的几何结构，同时训练样本的类别标签被融入到目标函数中。通过这种方式，本方法可以获得一个更加具有判别力的字典，保证了属于同一类别的相似样本拥有相似的编码，而分属于不同类别的样本拥有的编码差异尽可能大。本文将此字典学习方法应用于一

5、些经典的图像分类数据集，并在其上取得了较好的分类效果，从而证明了本方法的有效性。本文提出了一种有效的基于黎曼流形的判别式字典学习方法并将其应用于人脸识别和纹理分类。为了将位于黎曼流形上的对称正定矩阵数据应用于稀疏表示模型，本文通过正定核函数将数据和字典映射到再生的核希尔伯特空间，在新的特征空间中每个数据点可以表示为字典基向量的稀疏线性组合，并且可以使用黎曼度量来有效度量稀疏重构误差。通过对黎曼流形内在几何结构属性的保持与类别信息的考虑，学得的判别字典可以使得数据样本在新的特征空间中的编码保持较高的一致性，即在原始黎曼流形内同类的相似矩阵特征获得更加相似的编码，而不同

6、类别的矩阵特征获得的编码保持一定的差异性。本文将此字典学习方法应用于人脸识别和纹理分类数据集，并在其上取得了较好的分类效果，从而证明了本方法的有效性。关键词：字典学习；稀疏表示；图像分类；人脸识别；黎曼流形I北京理工大学硕士学位论文AbstractSparserepresentationisapowerfulimagerepresentationmodelandhasbeenwidelyusedinmanycomputervisionclassificationproblems,suchasimageclassification,facerecognitionand

7、textureclassification.Dictionaryisanimportantfactorwhichaffectsthefinalcodingandperformanceofclassification,sohowtolearnadiscriminativeandcompactdictionarybecomesaverychallengingresearchwork.Basedonthesummaryandanalysisoftheresearchworkofsomerelateddictionarylearningmethods,thisthesi