SPNs结构学习及其在图像分类中的应用研究

《SPNs结构学习及其在图像分类中的应用研究》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、财１＆謂我轉碩士学位论文Ｎ■＞Ｍｒ．ｖ＼＾，Ｉｎ））｜ＨｐＳＰＮｓ结构学习及其在图像分类中的应用研究作者姓名史晓洁指导教师姓名、职称杨有龙教授申请学位类别理学硕士学校代码１０７０１学号１５０７１２２４２９分类号０２９密级公开西安电子科技大学硕士学位论文ＳＰＮｓ结构学习及其在图像分类中的应用研究作者姓名：史晓洁一级学科：数学二级学科：应用数学学位类别：理学硕士指导教师姓名、职称：杨有龙教授学院：数学与统计学院提交日期：２０

2、１８年６月ResearchonStructureLearningofSum-ProductNetworksanditsApplicationinImageClassificationAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinAppliedMathematicsByShiXiaojieSupervisor:YangYoulongTitle:ProfessorJune2018西安电子学学位论

3、文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研宂工作及取得的研宄成果．尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人己经发表或撰写过的研宂成果；也不包含一为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料．与我同工作的同事对本研宄所做的任何贡献均已在论文中作了明确的说明并表示了谢意．一切法律责任学位论文若有不实之处，本人承担．本人签名：吏既这日期：石乓ｋ场西安电子科技大学关于论文使用掇权的说

4、明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研宄生在校攻读学位期间论文工作的知识产权属于西安电子科技大学．学校有权保留送交论？、文的复印件，允许査阅借阅论文．学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文．同时本人保证，结合学位论文研究成果完成的论文、发明专利等成果，署名单位为西安电子科技大学．保密的学位论文在年解密后适用本授权书．＿本人签名导师签名：於碛＾：芡晚泛日期喊：：日期摘要摘要和积网络(Sum-ProductNetworks，

5、SPNs)是一种深度学习结构，具有多层神经网络和概率图形模型的双重含义，有利于进行精确且快速的概率推理.近年来，SPNs结构已被广泛应用于图像复原、行为识别、语音识别以及故障定位等多个研究领域，备受研究人员的关注.本文旨在研究SPNs的结构学习算法，并将其应用于花朵图像分类中.具体研究工作如下：首先，本文分析了SPNs结构的基本原理和性质，研究了不同结构学习算法的训练及推理过程.在此基础上，我们提出了一种新的SLSPN结构学习算法.该算法摒弃建立初始SPN结构的思想，直接从数据集出发，对变量集和实例集进行循环划分.考虑到结构的特性以及数

6、据集的特点，SLSPN算法在划分过程中分别采用了平方相关度量和谱聚类方法，限制了算法的结束条件并对划分的顺序进行了适当调整.进一步地，利用19组高维数据集进行实验，通过与其他两个算法的实验结果对比，表明该算法在似然评分和运行时间上具有一定的优势.其次，论文研究了利用SPNs结构作为分类器对花朵图像分类的方法.由于拍摄到的图像易受杂乱背景、遮挡、同类目标个体形态差异及拍摄角度等因素的影响，因此，对图像提取一定量的像素小块，并对其进行零均值、单位方差以及白化等一些处理，进而使用PCA聚类算法以及池化操作对特征进行降维，提取到有效的特征向量.

7、将这些特征向量作为SPNs结构学习算法的输入，训练得到分类器.通过Oxford17Flower和Oxford102Flower两个数据集的仿真实验，结果表明该方法在解决花朵图像分类任务中具有较好的分类性能.最后，通过对论文工作进行总结，表明SPNs结构是解决图像分类任务的一种有效工具，并且具有快速而精确的概率推理机制.关键词：和积网络，结构学习，图像分类，特征提取IABSTRACTABSTRACTSum-ProductNetworks(SPNs)areanewclassofdeeplearningstructurewithdoublem

8、eaningsofdeepneuralnetworkandprobabilisticgraphicalmodel,whichisbeneficialtoaccurateandrapidprobabilist