欢迎来到天天文库
浏览记录
ID:35061084
大小:2.77 MB
页数:63页
时间:2019-03-17
《基于先验信息的典型相关分析理论与应用研究》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、分类号密级硕士学位论文题目:基于先验信息的典型相关分析理论与应用研究英文并列题目:Priorinformationbasedcanonicalcorrelationanalysisanditsapplications研究生:鹿鹏专业:计算机科学与技术研究方向:人工智能与模式识别导师:袁运浩指导小组成员:葛洪伟学位授予日期:2016年6月答辩委员会主席:吴小俊江南大学地址:无锡市蠡湖大道1800号二○一六年六月独馈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巧的研究工作及取得的研究成果。尽我所知,除了文中特别加W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
2、,也不包含本人为获得江南大学或其宮教育机构的学位或证书而使巧过的材料一。与我同工作的同志对本研究所做的任何贯献均已在论文中作了明确的说明并表示谢意。签名:意禮日期:如仪如关于论文使用授权的说明本学位论文作者完全了解江曲大学有关保留、使用学位论文的规定:江南大学有权保留并向国家有关部口或机构送交论文的复印件和感盈,允许论文被查阅和借阅,可W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^采用影印、缩印或担描等复制手段保存、汇编学位论文,一致并且本人电子文桓的内容和纸质论文的内容相。保密的学位论文在解密后也遵守此规定。签名:意鑛导师签名
3、:曰期:摘要摘要在模式识别中,同一对象往往可以由不同模式进行描述,这些特征表示能够反映同一对象的不同特性或视角。典型相关分析(CanonicalCorrelationAnalysis,CCA)是一种经典的子空间学习算法,主要用于研究两个视图样本间的相关关系,其目标是寻找两组投影方向使典型投影之间具有最大的相关性。基于典型相关方法对多视图数据进行特征抽取与融合,不仅可以保留多视图特征的有效鉴别信息,还可以在一定程度上消除特征间的冗余信息,降低识别算法的复杂度。本质上,典型相关方法是一种无监督的子空间学习算法,并没有充分利用样本的先验信息(如类标签信息)。为了解决个问题,本文以典型相关
4、分析方法为基础,充分挖掘数据间的先验信息,深入研究并构建了具有监督信息的典型相关分析理论、算法及其在诸如人脸和手写体数字识别等中的应用。本文的主要创新内容和研究成果如下:1.提出一种新颖的监督典型相关分析特征提取算法。在不改变典型相关原始意义的基础上,充分利用隐藏在视图内与视图间的标签信息,使同类样本间的典型投影拥有最大的相关性。在人脸数据集AT&T和Yale-B以及对象数据集COIL-20上的实验结果表明,本算法所提取出的特征在模式分类中具有较强的鉴别力。2.提出利用相对强度的监督典型相关分析算法(SCCA)。在两组典型投影间拥有最大相关系数的同时,使典型投影的每一维特征的大小都能表示不同
5、样本在其上的相对强度。采用异类样本间在每个低维特征上的差异大于同类样本间差异的策略,使得典型投影的每个特征都具有较好的鉴别力。实验结果表明,SCCA算法具有较好的识别效果,优于已有的典型相关特征抽取算法。3.通过定义协方差矩阵的散布需求度,提出一种基于谱分解的多视图学习框架。已存在的许多子空间学习算法都可以纳入该框架。在此框架中,本文首先从视图间、视图内、类间、类内以及总体的角度给出了六种协方差矩阵,然后利用散布需求度对这些协方差矩阵进行排序,以此为基础,构建了多种基于谱分解的多视图学习算法。另外,本文还从鉴别分析和相关分析的角度解释了这些算法的物理意义。在手写体、一般对象以及人脸数据集上的
6、实验结果验证了该框架的有效性。关键词:模式识别;多视图学习;典型相关分析;特征提取;监督学习IAbstractAbstractInpatternrecognition,thesameobjectsareoftendescribedbydifferentviews.Generally,differentviewscanreflectdifferentstatisticalinformationofthesameobjects,whichiscomplementaryeachother.Canonicalcorrelationanalysis(CCA)isaclassicalbutstillpo
7、werfultoolforanalyzingmultipleviewdata,whichismainlyusedtorevealthecorrelationbetweentwoviewsofsamples.ThegoalofCCAistofindtwogroupsofprojectiondirections,whichcanmaketwogroupsofcanonicalprojectionsmaximall
此文档下载收益归作者所有