收藏本站
《南京邮电大学》 2018年
收藏 | 手机打开
二维码
手机客户端打开本文

有监督和半监督多视图特征学习方法研究

董西伟  
【摘要】:多视图数据能够从多个方面刻画对象的特征,从多视图数据中往往能够比从单视图数据中获取到更多的有用信息,近年来多视图特征学习技术受到研究者的广泛关注。多视图数据既存在互补性又存在冗余性,如何从多视图数据中充分地挖掘鉴别信息是多视图学习特征技术应用于分类任务时的关键问题。面对海量的多视图数据,只有少量的多视图数据是有标记数据,大量的多视图数据都是未经标注的无标记数据,如何利用珍贵的有标记多视图数据和大量的无标记多视图数据来有效地完成多视图特征学习是非常值得研究的问题。针对上述问题,本文对多视图特征学习技术进行了深入系统地研究,主要研究成果如下:一、针对在多视图特征学习中如何有效地使用样本标记信息促进鉴别特征的提取问题,提出了两个有监督多视图鉴别特征学习方法,包括:多视图鉴别不相关投影分析(MDUPA)方法和多视图完整鉴别空间学习(MIDSL)方法。MDUPA方法定义了一种有监督相关性,即:鉴别相关性,来描述不同视图异类样本的不利特征的相关性。MDUPA方法在对每个视图数据实施鉴别分析的基础上,从相关性分析的角度进一步利用样本的类别标记信息来挖掘鉴别信息。MIDSL方法基于样本的多视图数据学习能够全面描述样本特性的完整特征表示,并通过Fisher鉴别准则利用样本的类别标记信息来增强样本的完整特征表示的鉴别能力。此外,MIDSL方法还将Cauchy损失用于构建特征学习模型以增强模型对离群点和噪声的鲁棒性。在公开数据集上的实验表明,这两个方法能够在类别标记信息的帮助下充分地挖掘鉴别信息。二、针对在多视图特征学习中如何有效地使用有标记和无标记样本促进鉴别特征的提取问题,提出了两个半监督多视图鉴别特征学习方法,包括:半监督多视图相关性鉴别分析(SMCDA)方法和半监督多核完整鉴别空间学习(SMKIDSL)方法。SMCDA方法通过对有标记和无标记训练样本的多视图数据实施视图内和视图间鉴别相关性分析来充分地挖掘鉴别信息。SMCDA方法通过一个实数变量将基于矩阵变量的非凸目标函数转化成凸二次规划问题,能够使目标函数获得全局最优的解析解并避免繁重的迭代计算。SMKIDSL方法能够协同地利用有标记和无标记样本的多视图数据为样本对象学习完整特征表示,并通过多核学习策略、鉴别相关性分析和l_(2,1)范数正则回归策略来进一步增强完整特征表示的鉴别性。SMKIDSL方法还设计了一种多视图协同学习方案使不同的视图在半监督多视图特征学习中能够贡献合适的有用信息。在公开数据集上的实验表明,这两个方法可以有效地从有标记和无标记训练样本的多视图数据中挖掘鉴别信息。三、针对如何从广义多视图数据中有效地提取鉴别特征问题,提出了一个有监督深度多视图鉴别特征学习方法,即:鲁棒有监督深度离散哈希(RSDDH)方法。RSDDH方法能够利用深度学习技术学习更好地兼容跨视图检索任务的特征,并利用基于l_(2,1)范数的特征选择策略选择更优秀的特征用于生成二进制哈希编码。此外,RSDDH方法通过实施视图间和视图内一致性保持策略来缩小视图之间的差异、提升二进制哈希编码的鉴别能力。RSDDH方法还使用提出的基于奇异值分解的离散哈希算法来确保待求解的未知离散哈希变量能够得到有效求解。在公开数据集上的实验表明,RSDDH方法能够比有代表性的浅层跨视图哈希检索方法和深度跨视图哈希检索方法取得更好的检索性能,这也验证了RSDDH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】:2018
【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 小米;;818型海警巡逻舰多视图[J];军事文摘;2016年18期
2 田泽;杨明;陈哲;石爱业;;基于视图内字典原子不一致的多视图字典学习算法[J];南京信息工程大学学报(自然科学版);2019年03期
3 段桂江;孙飞;唐晓青;;集成质量系统与企业资源计划系统的多视图融合机制研究[J];计算机集成制造系统;2005年12期
4 邓强;杨燕;王浩;;一种改进的多视图聚类集成算法[J];计算机科学;2017年01期
5 罗爱民;罗雪山;黄力;;基于多视图的信息系统体系结构描述方法研究[J];计算机科学;2007年02期
6 李波;赵健康;戴金海;;飞行器设计并行工程中多视图响应分析[J];计算机仿真;2006年09期
7 胡树根,李涨生,卓守鹏,董进;一种基于约束的多视图尺寸驱动方法及实现[J];中国机械工程;1998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 洪敏;贾彩燕;李亚芳;于剑;;样本加权的多视图聚类算法[J];计算机研究与发展;2019年08期
10 邱立坤;金澎;王厚峰;;基于依存语法构建多视图汉语树库[J];中文信息学报;2015年03期
中国重要会议论文全文数据库 前8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 唐帅;项志宇;马子昂;;基于多视图一致性低秩稀疏学习的视频目标跟踪[A];浙江省信号处理学会2015年学术年会论文集[C];2015年
4 葛冰峰;陈英武;廖良才;舒宇;;基于多视图的武器装备体系结构描述方法研究[A];和谐发展与系统工程——中国系统工程学会第十五届年会论文集[C];2008年
5 李诚;陈志军;;基于多视图像的岩心三维建模与虚拟展示初探[A];第十三届全国数学地质与地学信息学术研讨会论文集[C];2014年
6 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
7 张强;梁奎;陈志军;;多视图立体视觉的岩矿手标本三维重建与三维交互设计[A];第十三届全国数学地质与地学信息学术研讨会论文集[C];2014年
8 颜志军;;基于UML的多视图动态企业模型框架研究[A];全国第八届工业工程与企业信息化学术会议论文集[C];2004年
中国博士学位论文全文数据库 前10条
1 王强;多视图机器学习分类及聚类算法研究[D];国防科技大学;2018年
2 韩璐;多视图的子空间学习及在图像分类中的应用研究[D];南京邮电大学;2018年
3 董西伟;有监督和半监督多视图特征学习方法研究[D];南京邮电大学;2018年
4 王岳青;多视图学习算法和应用研究[D];国防科学技术大学;2017年
5 朱信忠;多视图聚类算法研究[D];西安电子科技大学;2018年
6 周彬;多视图视觉检测关键技术及其应用研究[D];浙江大学;2019年
7 吴飞;多视图特征学习方法研究[D];南京邮电大学;2016年
8 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 何云;面向多视图数据的降维与聚类算法研究[D];南京师范大学;2019年
2 胡梦磊;不完整多视图聚类[D];南京航空航天大学;2019年
3 姬名书;基于稀疏嵌入框架的不完全多视图聚类[D];南昌大学;2019年
4 周扬;缆索表面图像拼接与多视图重建研究[D];哈尔滨工业大学;2019年
5 陈东皓;车辆检测和识别系统的设计与实现[D];中国电子科技集团公司电子科学研究院;2019年
6 黄静;加权多视图子空间聚类算法研究[D];广东工业大学;2019年
7 孙铭阳;基于语义表示的多视图短文本序列分类研究[D];大连理工大学;2019年
8 仇希如;基于非负矩阵分解的多视图特征学习研究[D];大连理工大学;2019年
9 殷勤;多视图归纳矩阵补全算法及应用研究[D];南京邮电大学;2019年
10 庞石伟;多视图数据分类研究[D];西安电子科技大学;2019年
中国知网广告投放
 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