收藏本站
《南京理工大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

多视图嵌入学习方法及其应用研究

沈肖波  
【摘要】:随着数据采集和存储技术的飞速发展,多视图数据大量涌现。多视图数据从不同视角去刻画同一物体,因此其能反映同一物体的不同特性。虽然多视图数据能够提供比传统单视图数据更为丰富的信息,但是如何有效分析多视图数据一直以来是一个研究难点也是热点。多视图数据往往存在于高维空间中,且不同视图之间存在相关性,因此,有效地学习多视图数据中潜在的低维嵌入对于提升学习模型的性能、同时降低学习算法的复杂度至关重要。本文以多视图数据为研究对象,深入研究多视图嵌入学习的相关技术,结合哈希技术,探讨有关方法在大规模视觉检索、图像分类、自动标注等任务中的应用。本文的主要研究成果及贡献如下:(1)提出了半配对离散哈希方法(SPDH)。目前大部分的跨视图哈希学习方法假定不同视图间的样本配对信息是完整的,然而这种假设在现实场景下一般不成立。本文研究一种更为常见也更具挑战性的的半配对跨视图检索问题,即存在部分样本的配对信息未知。提出的半配对离散哈希方法(SPDH)能够挖掘公共子空间的潜在结构,并且对齐配对以及未配对样本。通过选取一些锚点对,构建一种跨视图的近邻图来刻画半配对数据的相似性结构。最后给出一种基于矩阵分解的哈希编码方式。考虑哈希码的离散属性,提出了一种循环坐标迭代的方法来求解哈希码,其中每一个比特都存在封闭解。在大量全配对和半配对设置的实验上验证了SPDH在大规模跨视图检索中的有效性。(2)提出了多视图离散哈希方法(MvDH)。如何充分从多个视图中挖掘出丰富的信息用于生成优质的哈希码是一个亟待解决的问题。提出的多视图离散哈希方法(MvDH)通过矩阵分解技术对多视图数据进行分解,生成的哈希码可以视作多个视图共享的潜在特征;同时采用谱聚类生成聚类标签。MvDH联合学习哈希码和聚类标签,并且建立两者之间的一致性关系,从而确保哈希码具有强有力的鉴别性。采用离散优化的方式求解提出的模型,算法能够保证收敛且计算复杂度较低。在大量的视觉检索实验上验证了 MVDH在性能和可扩展性方面的优势。(3)提出了联合嵌入(CoE)和联合哈希(CoH)多标记学习方法。目前大部分嵌入方法无法很好地捕捉多标记学习中特征与标记之间的相关性,导致预测性能的下降。为了解决上述问题,首先提出一种联合嵌入学习算法(CoE)。CoE将特征和标记视作两个不同的视图,将标记预测问题转化成跨视图搜索问题,其能降低传统编码解码策略的算法复杂度。为了提升搜索的质量,引入跨视图学习的思想,联合学习投影向量和潜在的公共子空间,同时保持住该空间内嵌入的相似性结构,使得相似的嵌入具有相近的标签。在CoE基础上,对嵌入引入二值约束,提出联合哈希学习算法(CoH),其目标是学习一个公共的汉明空间。由于汉明距离计算的高效性,CoH能够进一步提升多标记预测的效率。大量的实验验证了CoE和CoH在多标记预测效率以及效果上的有效性。(4)提出了基于图嵌入的多重集典型相关分析框架(GbMCC-DR)和基于标签传播的半监督典型相关分析方法(LPbSCCA)。基于多重集典型相关分析(MCCA)的一种等价形式,使用图结构的形式对相关性进行统一的刻画,并且提出了基于图嵌入的多重集典型相关分析框架(GbMCC-DR)。针对监督场景,在GbMCC-DR框架下,通过引入三种新的监督图,提出了三种新的监督型相关分析方法。同时理论分析证明此框架能够统一一些现有的方法,如MCCA、PLS、LPCCA、GCCA。针对半监督场景,提出了一种基于标签传播的半监督典型相关分析方法(LPbSCCA)。首先利用稀疏表示使用标记样本的标签信息去估计未标记样本的标签,然后构建概率标签下的视图内类内散度以及视图间的相关性,最后通过最小化类内散度同时最大化相关性来构建模型。在人脸和手写体数据集上的实验验证了提出的方法在监督和半监督情景下的有效性。
【学位授予单位】:南京理工大学
【学位级别】:博士
【学位授予年份】:2017
【分类号】:TP391.41;TP181

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 郑利雄;陈琼;沈勇明;;基于多视图树的多关系分类[J];计算机工程;2010年19期
2 薛晖;陈松灿;刘洁;黄继建;;基于跨视图约束的多视图分类方法[J];模式识别与人工智能;2014年02期
3 朱浩,尹泽勇,刘建武,陈高阳;跨企业工程更改的多视图建模体系研究[J];工程设计学报;2004年04期
4 陈平;孙立镌;梁宗学;;特征转换在多视图维护中的应用[J];哈尔滨理工大学学报;2006年02期
5 曲云尧;;多视图环境[J];山东矿业学院学报;1993年02期
6 刘明周;何晓军;程晓梅;蒋增强;安叔华;;机电项目管理中的多视图及其映射方法研究[J];机械工程师;2006年09期
7 唐国兴;胡建;郭魂;廖文和;;基于知识引导的多视图产品设计检索技术研究[J];计算机集成制造系统;2007年07期
8 石艳玲;单文档多视图的多种实现方式[J];计算机应用研究;1999年10期
9 武丹;王琰;祁燕;;基于DXF文件的工程图中多视图的视图分离方法[J];沈阳理工大学学报;2007年06期
10 舒振;刘俊先;易先清;罗雪山;;基于多视图的复杂信息系统需求开发方法研究[J];计算机工程与设计;2010年07期
中国重要会议论文全文数据库 前3条
1 张秀芬;裴承慧;胡志勇;;在OpenGL中实现多视图表示[A];第十四届全国图学教育研讨会暨第六届制图CAI课件演示交流会论文集(下册)[C];2004年
2 赵旭;刘克;吴威;;多视图三维重建技术和不确定问题[A];第八届中国不确定系统年会论文集[C];2010年
3 张岩;杨冬青;唐世渭;;Web仓储中的多视图一致性维护[A];第十九届全国数据库学术会议论文集(研究报告篇)[C];2002年
中国博士学位论文全文数据库 前10条
1 杨琬琪;多视图特征选择与降维方法及其应用研究[D];南京大学;2015年
2 李晋;基于多视图鉴别特征学习的分类算法[D];中国矿业大学(北京);2016年
3 吴飞;多视图特征学习方法研究[D];南京邮电大学;2016年
4 沈肖波;多视图嵌入学习方法及其应用研究[D];南京理工大学;2017年
5 钱强;复杂场景下的多视图学习方法研究[D];南京航空航天大学;2013年
6 田文;多视图图像的快速三维场景重建[D];华中科技大学;2010年
7 徐帆;无组织多视图图像的自动化三维场景重建[D];华中科技大学;2007年
8 周旭东;基于不同多视图数据场景的典型相关分析研究和应用[D];南京航空航天大学;2013年
9 苏树智;多视图典型相关分析的理论研究和应用[D];江南大学;2017年
10 李亚兰;基于空间一致生长的多视图三维重建[D];华中师范大学;2017年
中国硕士学位论文全文数据库 前10条
1 周艳杰;基于多视图的交互式机械建模[D];郑州大学;2015年
2 洪鑫;基于多视图哈希的图书推荐系统的研究与实现[D];浙江大学;2015年
3 龙跃;基于产品BOM的多视图应用及实现[D];电子科技大学;2014年
4 王世佳;RF数据记录系统的重放软件设计[D];电子科技大学;2014年
5 王家亮;基于片元多视图重建在未标定序列图像重建上的应用[D];东北大学;2014年
6 陶萌;基于语义元的产品信息多视图语义研究[D];浙江工业大学;2015年
7 贾超;基于多视图的瓦当三维模型重建的研究与实现[D];西北大学;2015年
8 吴珊珊;基于多视图稀疏嵌入分析的识别算法研究[D];南京邮电大学;2015年
9 高翔;基于多视图几何约束的大尺寸视觉测量技术研究[D];中国海洋大学;2015年
10 邓强;多视图子空间聚类集成方法研究及分布式实现[D];西南交通大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026