收藏本站
《南京邮电大学》 2016年
收藏 | 手机打开
二维码
手机客户端打开本文

多视图特征学习方法研究

吴飞  
【摘要】:多视图数据从多个角度刻画同一物体,包含了比传统的单视图数据更加丰富的分类识别信息,因此近年来多视图学习技术成为了一个研究热点。不同视图数据往往存在一定的信息冗余,如何充分地从多视图数据中提取有用特征并且消除冗余是多视图学习技术的关键问题。针对该问题,本文对多视图学习技术进行了系统的研究,主要研究成果总结如下:一、提出了两个多视图鉴别分析方法,即组递归鉴别子空间学习(GRDSL)和不相关局部敏感多视图鉴别分析(ULSMDA)。GRDSL在数据层融合多视图数据,使用递归学习的方式将样本集分解成多个近似集和相应的差分集,并在每次递归的差分集中学习一个鉴别变换。GRDSL设计了递归终止准则以及投影向量选择规则,并能在理论上保证多个鉴别变换的正交性。通过自适应的递归学习过程,GRDSL可以从多视图数据中有效地学得充足的有用特征。ULSMDA联合学习了多个视图特定的投影变换,使得在投影空间中,原始近邻的同类样本相互聚集,而原始近邻的异类样本相互排斥。ULSMDA考虑了跨视图数据的一致性,并设计了不相关约束,用于减少变换间的冗余。ULSMDA充分地使用了多视图数据的局部结构信息用于不相关鉴别特征的学习。四个数据集上的实验结果表明了这两个方法的有效性。二、提出了三个多视图字典学习方法,即不相关多视图鉴别字典学习(UMD2L)、多视图低秩字典学习(MLDL)和多视图低秩共享结构化字典学习(MLS2DL)。通过使得字典原子与类别标记相对应,UMD2L从多视图数据中联合地学习多个结构化字典。UMD2L设计了不相关约束用于减少不同视图字典间的冗余。从增强字典鉴别能力以及消除冗余这两方面出发,UMD2L提升了多视图字典学习技术有用特征学习的能力。MLDL将低秩学习技术引入到多视图学习技术中,运用低秩矩阵恢复理论来解决噪声存在情况下的多视图字典学习问题。MLDL设计了结构化不相关约束,并为多视图字典学习技术提供了高效的基于联合表示的分类机制。MLDL为多视图字典学习技术提供了在噪声影响情况下充分学习有用特征的方案。MLS2DL关注视图间共享信息的挖掘,提出在学习多个视图特定的低秩结构化字典的同时对视图共享低秩结构化字典进行学习。MLS2DL为多视图字典学习技术提供了在消除视图间冗余信息的同时有效利用多视图有利相关性的方案。实验证明了相比于代表性的多视图子空间学习方法和多视图字典学习方法以及提出的GRDSL和ULSMDA方法,这三个方法可以获得更优的分类效果。三、提出了一个半监督多视图鉴别分析方法,即不相关半监督视图内和视图间流形鉴别学习(USI2MD)。USI2MD给出了半监督视图内和视图间流形鉴别学习机制,使用无标记样本的局部近邻结构,以及有标记样本视图内和视图间的鉴别信息来从多视图数据中提取特征。USI2MD设计了一个半监督不相关约束,用于减少半监督场景下不利的多视图特征相关性。USI2MD充分使用了视图内和视图间的有用信息用于半监督场景下不相关鉴别特征的学习。实验证实了该方法相对于代表性的半监督多视图子空间学习方法的有效性。
【学位授予单位】:南京邮电大学
【学位级别】:博士
【学位授予年份】:2016
【分类号】:TP181

手机知网App
【参考文献】
中国期刊全文数据库 前1条
1 程圣军;刘家锋;黄庆成;唐降龙;;基于样本条件价值改进的Co-training算法[J];自动化学报;2013年10期
【共引文献】
中国期刊全文数据库 前1条
1 赵建华;刘宁;;结合主动学习策略的半监督分类算法[J];计算机应用研究;2015年08期
【二级参考文献】
中国期刊全文数据库 前2条
1 陈荣;曹永锋;孙洪;;基于主动学习和半监督学习的多类图像分类[J];自动化学报;2011年08期
2 邓超;郭茂祖;;基于自适应数据剪辑策略的Tri-training算法[J];计算机学报;2007年08期
【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 吴飞;多视图特征学习方法研究[D];南京邮电大学;2016年
2 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
3 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
4 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
5 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
6 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
7 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
8 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
9 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
10 段春梅;基于多视图的三维模型重建方法研究[D];山东大学;2009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