多視角局部子空間學習方法研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，子空間學習已經(jīng)成為機器學習、數(shù)據(jù)挖掘、模式識別等領域的研究熱點。高維數(shù)據(jù)難以使模型得到理想的學習效果。子空間學習旨在通過計算高維空間中樣本間的關(guān)系，并保持該關(guān)系將樣本映射到低維子空間中。
　　由于數(shù)據(jù)的采集方式不同和多樣化的特征提取算法，描述數(shù)據(jù)的角度逐漸增多。不同特征在機器學習和數(shù)據(jù)挖掘模型中學習效果也不盡相同。使用單一特征的模型很難得到較好的效果。多視角學習是一種同時利用多個視角下的特征提升模型效果的方法

2、。本文針對多視角子空間學習方法展開研究，并提出了一種多視角的局部子空間學習算法以提升子空間學習的效果，本文的主要工作如下:
　　(1)敘述了多視角學習的背景，意義和國內(nèi)外研究現(xiàn)狀。對多視角學習的三類主要方法:協(xié)同訓練方法，多核學習方法和子空間學習方法的算法思想和主要進展進行了介紹。
　　(2)對子空間學習和多視角學習的主要技術(shù)進行了詳細的介紹。重點闡述了本文中所涉及到的局部線性嵌入、拉普拉斯映射和多視角學習中的協(xié)同訓練多視角

3、譜聚類和協(xié)同正則化多視角譜聚類。
　　(3)局部線性嵌入算法是一種經(jīng)典的子空間學習算法，但是該算法容易受噪聲數(shù)據(jù)的影響，此外鄰域參數(shù)的選取對算法的結(jié)果也有較大的影響。針對該問題，本文提出了一種魯棒的局部線性嵌入方法。該算法通過使用L2范數(shù)對相似度矩陣的復雜性進行懲罰并利用L1范數(shù)保證矩陣的稀疏性實現(xiàn)對相似度矩陣的自適應求解。本文同時考慮多視角學習的一致性和互補性原則，通過數(shù)據(jù)間的一致性對噪聲數(shù)據(jù)產(chǎn)生的影響進行修正，獲得統(tǒng)一的魯棒相

4、似度矩陣，并使用該矩陣進行子空間學習，提升子空間學習的效果。本文給出了多視角局部子空間學習算法的迭代解法，并利用輔助函數(shù)法對解法的正確性和收斂性進行證明。本文在手寫體，人臉，物體等多種數(shù)據(jù)集中使用多視角局部子空間學習與其他多視角等算法進行對比，并給出了實驗分析以證明多視角局部子空間學習的效果。
　　(4)圖像檢索是學術(shù)界研究的熱點問題之一，特征提取的效果對圖像檢索系統(tǒng)尤為重要，由于互聯(lián)網(wǎng)圖像的復雜性和多樣性，單一特征難以取得較好的