资源描述:
《基于深度极限学习机的k-svd算法研究及其应用》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、太原理工大学硕士研究生学位论文I资助项目山西省自然科学基金项目(2014011018-2)山西省回国留学人员科研项目(2013-033)山西省留学回国人员科技活动择优项目SupportedbyTheNaturalScienceFoundationofShanxiProvince,China(No.2014011018-2)TheShanxiScholarshipCouncilofChina(No.2013-033)FundProgramfortheScientificActivitiesofSelectedReturnedOverseasProfession
2、alsinShanxiProvince太原理工大学硕士研究生学位论文基于深度极限学习机的K-SVD算法研究及其应用摘要随着互联网和信息行业的蓬勃发展,自2012年以来,当今社会便进入了“大数据”时代,生活每天被各种各样的海量信息所包围,例如文字信息、语音信息、图像信息、视频信息等。作为信息或者数据的一种载体,图像因其所带给人们的即视感,已经成为了继文本、语音后又一存储和传递信息的常用形式,其数量正以惊人的速度增长。然而,对于图像这种本身维度就很高的数据,用来存储并传输大量图像的资源是有限的,这就要求高效地表示图像以节省存储空间;与此同时,图像又不可避免地受到
3、噪声污染,这就要求寻求一种方法,如何不受噪声影响地来表征信号。而且,在我们接收到图像数据后,为的是挖掘里面的信息,进一步地去理解图像,这就要求进行图像的识别与分类,如何高效地识别图像,这一问题也亟待解决。基于上述的三个问题,本文面向图像的稀疏表示及字典学习算法,借鉴时下流行的深度学习算法思想,融入自动编码器“重构”的理念,采用时效性更高、参数调节少的极限学习机算法,实现了图像的识别与分类。本文的主要工作如下:(1)本文提到的基于自编码的深度极限学习机,可以作为一种新的特I太原理工大学硕士研究生学位论文征表示方法。并且应用这种方法,不仅可以提取到更高级别的图像
4、表征,更重要的是,在这一过程中,我们去掉了原图像中的噪声;(2)基于上述方法,我们用更高级别的图像特征表示取代原图像,将“去噪”后的图像作为传统的K-SVD算法的输入,提高了该算法的效率与准确率,而且在字典学习过程中,通过训练可以得到“去噪”的字典,而这一字典对K-SVD算法和字典学习都是至关重要的;(3)本文将提出的新方法应用到4个不同的数据集,且这4个数据集在各自领域都具有一定的代表性,从而充分说明了论文中所提出的方法拥有较好的泛化性能。尤其在时下流行的多特征融合的数据集上效果也较理想,其实验结果也证明改进方法对多特征融合数据有一定的处理能力。关键字:图
5、像识别,特征表示,K-SVD,自编码的深度极限学习机,去噪II太原理工大学硕士研究生学位论文RESEARCHANDAPPLICATIONOFK-SVDALGORITHMBASEDONDEEPEXTREMELEARNINGMACHINEABSTRACTWiththerapiddevelopmentofInternetandinformationindustry,since2012,peopleentertheeraofbigdata,peoplearesurroundedbyawidevarietyofinformation,suchastext,audio,
6、image,andvideoinformation.Asacarrierofdata,imagesgivepeoplealotofinformation.Andthenumberofimagesisgrowingfast.However,theresourcesareverylimitedforstoringandtransferringimages.Becauseofthat,howtorepresenttheimageefficientlybecomesnecessary.Atthesametime,imagesarenoisedinevitably,s
7、othereisaneedtoseekingamethodofimagedenoising.Moreover,peopleaimtomineinformationfromtheimage.Therefore,thereisanotherproblemtobesolved,whetherthereisacertainalgorithmcanachieverecognizingimageeffectivelyornot.Inordertosolveaboveproblem,thispaperexploressparserepresentationtheory,D
8、eepLearning,ExtremeLearnin