基于多示例学习的图像分类研究

《基于多示例学习的图像分类研究》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、．－．Ｊ：．Ｋ，．耸．节．－，；榮＾；ｒ芦稱：震謁Ｍ謬墓皆ｆ，ｌ笔；福．於导若｜寄．汽，掉Ｉ馨誦、．诗Ｊ：方．ｆ尽譯．’；．哨Ｉ．Ｉ１．；；震■昨Ｖ．‘．禱－Ｊ／懸Ｉ：冊Ｐ．．＇－ｆ品斤号：－Ｊ—＇－．＇．．；．－：＇．ｒ，．．：．－‘．．．＜．ｉ、蜗確ｉ－適捆ｆ：：禁女＆－鴨：．．尊．．．，－ｒ；．二：－．：彌．＇＇？卢＜束＼；＂．心？艇吗；｝．，‘；？／＇曇．：■．皆鄭満砖７韻＇．；．Ｊ．．巧別．．Ｖ，１／硕±学位论３文二ｒ＃々．．．．‘．辜；梦，知／二．

2、＇沁＇．．磅；．茜４、．听错．Ｖ；．ｒ替．＞！＇．革．，＼為４嘉．耗；禱讀＜视；杳Ｍ＇；＃靡－．铺線一．ｆ羣‘＇．＠Ｐ＂：＊；ｒ＞７；：Ｉ－＞；ｎ＇献朋ｉ基的＾酬像分类研隨＾、＇．＜．ｖ！．，：Ｖ：：；著．＇－＇＾．克．－＇＾碱作二Ｉ＾羞；巧一＾—；＇ｔ片‘＇，％譯．＾麵隱除巧赚娜教嫌５。讀質巧专业名称；赚ｇ财术／若＇Ｖ．ｒ究方向酸鹏ｆ刺识别．－馨一＾答辩日期Ｗ作＾４日：：．．＇ｆ主席王．Ｓ纖教嫌；ｉ．『．＂摇３最濟

3、Ｕ‘一章ｒ＂。＃，春＇片，Ｊ。Ｋ：＇啤餐誠＼ｎ；心．；一＇黎ｙＶ０礙吉：辣容；放＾成編画雜碰－学位论文原创性声明和使用授权说明学位ｉ仑义原创性寅明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果，。除了文中特别加标巧引用的内容外本论文不包介任何其他个人或。集体己经发表或撰与的成果作品对本文的研究做化重要贡献的个人和集体，均己在文中明确方式标明。本人完全意识到本声明的法律后果由本人承扭。作巧籍名：Ｈ期；〇６

4、＞｜年ｂ月｜）據冻郑勺学位论文版权使用授权书本学化论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向圍家有关部口或机构送文论文的复印件和电子版，允许论文被查阅和借阅。本人授权音东丈嗦可Ｗ将本学位论文的全部或部分内容编入巧关数据库进行检索，可Ｗ采用影印、缩印或巧描等复制手段保存和汇编本学位论义。保密□，在年解密后适用本授权书。本学位论义属于不保密口。＂＂（巧在ＬｉＪＵ；．化应方柜内打Ｖ）！：円期ｂ年ｔ作者签名；如月円龍破部３导师签名：月円＾鲁东大学硕士学位论

5、文基于多示例学习的图像分类研究作者姓名：陈彤彤指导教师：邹海林教授学科专业：计算机应用技术研究方向：图像处理与模式识别鲁东大学信息与电气工程学院二○一六年六月AThesisSubmittedtoLudongUniversityfortheDegreeofMasterResearchofImageClassificationBasedonMulti-instanceLearningM．D．Candidate：ChenTongtongSupervisor：ZouHailinMajor：ComputerApplicationTechn

6、ologyResearchInterests：ImageProcessingandPatternRecognitionSchoolofInformationandElectricalEngineeringLudongUniversityJune，2016摘要多示例学习是为了解决复杂的实际问题而提出的一种新的机器学习框架，作为应对多重语义特性的有效途径，可应用到图像分类问题中。多示例多标签学习可以看作是多示例学习与多标签学习的结合。与多示例学习和多标签学习相比，多示例多标签学习框架对事物的描述更为全面，为解决多类分类问题开辟了新的

7、思路，对图像分类与识别具有重要的科学意义和实际应用价值。本文主要研究将多示例多标签学习应用到图像分类，并扩展到文本分类、音频分类。（1）介绍了支持向量机的相关理论和相关模型，分析研究了多示例学习框架和三类经典的多示例学习算法，以及多示例多标签学习的概念和框架，并探讨了多示例多标签学习的两种经典分类算法。（2）分析研究了多示例学习中包内示例相关性特征的表示方法和多核学习算法，并将示例的相关关系特征引入到多示例多标签学习中，将多核学习引入到分类器的构造中，提出了一种基于多核融合的多示例多标签学习算法。通过在场景图像数据集、文本数据集

8、以及音频数据集上仿真，验证了该算法在解决分类问题上的有效性。（3）探讨了基于l范数约束的特征选择方法，并将其引入到多示例多标签2,1学习中，用于剔除包内对标签预测产生干扰的示例，并选择出代表性示例。同时为了兼顾标签之间的相关关系特征，构建基于标签之间相关关系特征