版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、距離度量和回歸學(xué)習(xí)在機(jī)器學(xué)習(xí)、模式識(shí)別和計(jì)算機(jī)視覺(jué)等領(lǐng)域起著至關(guān)重要的作用。許多實(shí)際任務(wù),如圖像的聚類、分類、基于內(nèi)容的圖像標(biāo)注和檢索,性能的關(guān)鍵取決于適合的距離度量函數(shù)的選擇。而回歸學(xué)習(xí)對(duì)于解決度量學(xué)習(xí)、以及圖像處理等問(wèn)題提供了最有效的工具和手段。因此,有關(guān)度量和回歸學(xué)習(xí)的研究具有重要意義和廣泛價(jià)值。然而,絕大多數(shù)度量和回歸學(xué)習(xí)算法都是針對(duì)單一數(shù)據(jù)集合。伴隨著因特網(wǎng)的飛速發(fā)展和數(shù)碼攝像設(shè)備的日益普及,數(shù)據(jù)通常由多個(gè)不同的信息源或不同的
2、特征表示構(gòu)成,呈現(xiàn)出多模態(tài)的特性。為了有效的分析和處理多模態(tài)數(shù)據(jù),本文主要探討了多視度量和回歸學(xué)習(xí)問(wèn)題。目前多視度量和回歸學(xué)習(xí)工作剛剛起步,已有工作全部基于對(duì)數(shù)據(jù)的全局建模。而近年來(lái)研究者們發(fā)現(xiàn),與全局方法相比,局部化分析和構(gòu)建預(yù)測(cè)函數(shù)通常能夠取得更低的誤差,從而具有更好的魯棒性和靈活性。此外,局部學(xué)習(xí)能夠充分提升算法處理復(fù)雜問(wèn)題的能力?;诖?,本文研究了局部和全局相結(jié)合的多視度量和回歸學(xué)習(xí)方法,并將其應(yīng)用在實(shí)際的應(yīng)用問(wèn)題中。具體的,本
3、文研究?jī)?nèi)容分為四個(gè)部分:
1.提出了一種全局一致局部平滑的多視度量學(xué)習(xí)算法。所提出的算法通過(guò)學(xué)習(xí)特定的共享隱特征空間,間接的建立起多視觀測(cè)數(shù)據(jù)之間的聯(lián)系。整個(gè)學(xué)習(xí)分解為兩個(gè)基本階段:全局一致性共享隱特征空間學(xué)習(xí)和局部平滑多視度量學(xué)習(xí)。階段一,基于譜圖理論,對(duì)于全部有標(biāo)記樣本對(duì),得到其在低維空間的表示,且該低維空間被視為共享隱特征空間;階段二,利用正則化的局部線性回歸,對(duì)于未標(biāo)記樣本和測(cè)試樣本,學(xué)習(xí)從輸入空間到共享隱特征空間的局
4、部映射函數(shù)。其中,圖拉普拉斯正則化被引入使得學(xué)習(xí)到的局部度量函數(shù)在整個(gè)數(shù)據(jù)空間保持平滑變化。最終,上述兩個(gè)階段都形式化為凸最優(yōu)化問(wèn)題,存在閉合解,且求解方法簡(jiǎn)單。姿態(tài)和表情對(duì)齊的實(shí)驗(yàn)證明了所提出方法的有效性。
2.提出了特定實(shí)例典型相關(guān)分析法。所提出的方法借助經(jīng)典的統(tǒng)計(jì)學(xué)習(xí)方法:典型相關(guān)分析,并將其進(jìn)一步發(fā)展,提出了基于特定實(shí)例的典型相關(guān)分析法,使其同時(shí)具有局部和非線性兩種基本特性。與上一個(gè)工作不同,所提出的方法不需要采用兩階
5、段學(xué)習(xí),因此建立了局部和全局相結(jié)合的多視度量學(xué)習(xí)統(tǒng)一框架。首先,探究了基于最小平方回歸的典型相關(guān)分析法求解。然后,借助最小平方回歸學(xué)習(xí)框架,沿著數(shù)據(jù)流形的平滑曲線計(jì)算特定樣本的局部映射函數(shù),從而近似擬合整個(gè)數(shù)據(jù)空間的非線性分布。此外,為了更好的挖掘并利用未標(biāo)記樣本的信息,本文還進(jìn)一步討論了其在半監(jiān)督情況的擴(kuò)展。最終,對(duì)所建立的優(yōu)化目標(biāo)采用交替最優(yōu)化求解方法,并在聯(lián)合凸最優(yōu)化的理論保證下取得全局最優(yōu)解。
3.為了進(jìn)一步應(yīng)對(duì)大數(shù)據(jù)
6、問(wèn)題,提出了參數(shù)化的局部多視海明距離度量學(xué)習(xí)算法。首先定義了離散化的局部多模態(tài)哈希映射函數(shù),將數(shù)據(jù)從原始輸入空間映射到二值離散空間,并利用在離散化空間的海明距離作為最終的距離度量。其次,為了平衡局部性和計(jì)算的有效性,本文對(duì)局部哈希映射函數(shù)做了近似,將其參數(shù)化表示為一組錨點(diǎn)所對(duì)應(yīng)的映射函數(shù)的線性加權(quán)組合。同時(shí)從理論上給出了近似局部哈希映射的錯(cuò)誤上界。接著,建立了局部和全局相結(jié)合的優(yōu)化目標(biāo),并利用共軛梯度法和順序?qū)W習(xí)過(guò)程進(jìn)行有效求解。在跨媒
7、體檢索問(wèn)題中的實(shí)驗(yàn)結(jié)果證明了所提出的方法能夠更好的建模大數(shù)據(jù)的復(fù)雜結(jié)構(gòu),并取得更高的查詢精度。
4.除了對(duì)多數(shù)據(jù)集學(xué)習(xí),本文還進(jìn)一步探討了對(duì)單數(shù)據(jù)集建立局部和全局相結(jié)合的多視模型。并面向圖像去噪問(wèn)題,提出了基于多視核回歸的漸進(jìn)圖像去噪方法。首先對(duì)目標(biāo)圖像進(jìn)行多尺度的表示,然后由粗到細(xì)采用漸進(jìn)的方式對(duì)圖像進(jìn)行去噪。一方面,在每一個(gè)尺度內(nèi),采用了基于隱式核的圖拉普拉斯最小平方回歸模型,使其同時(shí)最小化在可度量樣本上的最小平方誤差,同
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 視光學(xué)內(nèi)容和學(xué)習(xí)方法
- 多視圖嵌入學(xué)習(xí)方法及其應(yīng)用研究.pdf
- 主動(dòng)學(xué)習(xí)方法及其應(yīng)用研究.pdf
- 半監(jiān)督學(xué)習(xí)方法及應(yīng)用研究.pdf
- 貝葉斯網(wǎng)學(xué)習(xí)方法及應(yīng)用研究.pdf
- 耦合距離度量學(xué)習(xí)方法研究及在步態(tài)識(shí)別中的應(yīng)用.pdf
- 圖像特征學(xué)習(xí)方法與應(yīng)用研究.pdf
- 強(qiáng)化學(xué)習(xí)方法及其應(yīng)用研究.pdf
- 半監(jiān)督學(xué)習(xí)方法及其應(yīng)用研究.pdf
- 幾種典型機(jī)器學(xué)習(xí)方法及其應(yīng)用研究.pdf
- 基于語(yǔ)義上下文建模的度量學(xué)習(xí)方法及應(yīng)用.pdf
- 多視圖特征學(xué)習(xí)方法研究.pdf
- 結(jié)構(gòu)化支持向量機(jī)學(xué)習(xí)方法及應(yīng)用研究.pdf
- 基于層次聚類的集成學(xué)習(xí)方法及應(yīng)用研究.pdf
- 多示例多標(biāo)記哈希學(xué)習(xí)方法研究.pdf
- 基于語(yǔ)義上下文建模的度量學(xué)習(xí)方法及應(yīng)用(1)
- 基于直推式學(xué)習(xí)和遷移學(xué)習(xí)方法改進(jìn)的支持——向量機(jī)分類方法及應(yīng)用研究.pdf
- AdaBoost和主動(dòng)學(xué)習(xí)方法在郵件分類中的應(yīng)用研究.pdf
- 融合全局和局部信息的度量學(xué)習(xí)方法研究.pdf
- 在線品牌忠誠(chéng)度度量模型理論與方法研究——應(yīng)用機(jī)器學(xué)習(xí)方法.pdf
評(píng)論
0/150
提交評(píng)論