收藏本站
《中国计量大学》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于迁移学习的图像分类算法研究

徐佳慧  
【摘要】:迁移学习与传统机器学习方法相比较,主要的优点在于,学习目标任务时利用了目标领域之外的其他领域的知识,无需满足训练数据与测试数据符合同一分布这一要求。随着移动电子产品的日益普及,部分少见或未知的图像逐渐出现在人类的视野中,直接使用传统机器学习方法对这些图像进行学习,会面对样本不足、样本可信度低等问题。迁移学习的提出有效地解决了这一系列问题,并逐渐成为研究者们的主要关注点之一。论文从迁移知识的表达形式出发,分别从模型参数迁移、特征迁移以及实例迁移三个方面进行了讨论研究,主要内容如下:(1)在模型参数迁移方面,论文设计了一种具有模型参数迁移能力的改进LS-SVM算法。在传统LS-SVM的基础上,增加迁移项,使改进算法不仅能保持传统LS-SVM算法最大化几何间隔的优点,又能尽可能通过源领域的分类模型参数线性表示目标领域的分类模型参数,实现迁移过程。为了能够合理使用多个源模型参数,通过留一法获得多个源模型参数的最佳迁移权重,即:线性组合的标量。(2)在特征迁移方面,论文提出通过成对距离信息和重构权值信息获得源特征的流形几何结构作为迁移知识。在文中,将复杂的、图像描述能力强的特征作为源特征;简单的、图像描述能力弱的特征作为目标特征。通过迁移知识协助目标特征学习一个映射矩阵。通过该矩阵,新目标特征在保持维度不变的情况下,其流形几何结构与迁移知识尽可能保持一致。流形几何结构对于每个数据点来说,与它的近邻点有着密不可分的关系。通过标签信息,适当放大数据点与同类邻居的距离信息,缩小与不同类邻居的距离信息。(3)在实例迁移方面,提出一种改进的多源Tr Ada Boost算法,通过弱-较强-强层层递进的方式,学习目标强分类器。首先,通过Bootstrapping算法对目标领域的样本进行重采样,形成若干个与目标领域样本容量一致的目标子样本集,每个源领域样本集与全部目标子样本集依次合并,并学习相应的弱分类器;其次,将每个源领域对应的所有弱分类器线性连接获得对应的较强分类器,再将所有的较强分类器连接获得目标候选分类器;最后,通过目标候选分类器更新所有样本的权值并用于下一轮迭代,直至迭代结束,获得目标强分类器。实验采用了公共图像数据集Caltech-256、Scene-15、Event-8、CURe T-61对本文提出的算法进行图像分类验证,证明本文算法具有良好的分类效果。
【学位授予单位】:中国计量大学
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:TP391.41

手机知网App
【参考文献】
中国硕士学位论文全文数据库 前2条
1 杜俊卫;基于聚类的文本迁移学习算法研究及应用[D];山西财经大学;2011年
2 戴文渊;基于实例和特征的迁移学习算法研究[D];上海交通大学;2009年
【共引文献】
中国硕士学位论文全文数据库 前10条
1 朱道路;基于卷积神经网络的颜色测量模型及对中小规模样本处理策略的研究[D];北京交通大学;2018年
2 陈兴;昆虫酚氧化酶抑制剂构效关系研究[D];北京化工大学;2018年
3 房思思;基于实例和参数迁移的农作物病害图像识别研究[D];中国科学技术大学;2018年
4 张玉立;基于卷积神经网络的人体姿态估计[D];哈尔滨工程大学;2018年
5 冯其帅;基于半监督判别分析的迁移学习算法研究[D];哈尔滨理工大学;2018年
6 徐佳慧;基于迁移学习的图像分类算法研究[D];中国计量大学;2017年
7 包振栋;基于生物医学文本挖掘的蛋白质间相互作用关系抽取方法的研究[D];西北农林科技大学;2017年
8 邢丽茹;基于实例的归纳式迁移学习研究[D];辽宁大学;2017年
9 耿亚美;基于实例迁移的跨语言情感分析技术研究[D];河北工业大学;2016年
10 邢晨;基于深度学习的高光谱遥感图像分类[D];中国地质大学;2016年
【二级参考文献】
中国硕士学位论文全文数据库 前1条
1 蒋红;中文文本分类中文本表示及分类算法研究[D];浙江师范大学;2007年
【相似文献】
中国期刊全文数据库 前10条
1 章东平;徐佳慧;杨力;;模型参数迁移的改进LS-SVM算法及其应用[J];中国计量大学学报;2016年03期
2 吴健;贾宏宇;;基于迁移学习的图像分类方法研究[J];河南科技;2018年31期
3 杨涵方;周向东;;基于深度稀疏辨别的跨领域图像分类[J];计算机工程;2018年04期
4 厉溢成;;基于迁移学习的食品图像分类[J];信息通信;2018年12期
5 杨东旭;赖惠成;班俊硕;王俊南;;基于改进DCNN结合迁移学习的图像分类方法[J];新疆大学学报(自然科学版);2018年02期
6 杨昌健;邓赵红;蒋亦樟;王士同;;引入迁移学习的癫痫EEG信号自适应识别[J];计算机工程;2015年06期
7 李文娜;;基于Haar特征级联强分类器和肤色模型的人脸检测[J];辽宁石油化工大学学报;2010年03期
8 王敏玉;;基于强分类器的企业财务预警分析研究[J];教育教学论坛;2018年20期
9 由广明;;优化确定土体本构模型参数[J];山西建筑;2009年35期
10 刘兴坡;;城市雨水管网模型参数校准研究综述[J];给水排水;2009年S1期
中国重要会议论文全文数据库 前7条
1 徐宁寿;寿涛;;多变量连续系统离散化模型参数的近似估算[A];1988年控制理论及其应用年会论文集(下)[C];1988年
2 丁芳;谢克明;;一种估计广义Logistic模型参数的方法[A];1998年中国控制会议论文集[C];1998年
3 吴楠;李晓曦;宋方敏;;图像挖掘及其在医学图像分类中的应用[A];2006年全国理论计算机科学学术年会论文集[C];2006年
4 朱松豪;刘佳伟;胡荣林;;一种图像分类的新方法[A];第26届中国控制与决策会议论文集[C];2014年
5 金明仲;金良琼;;一类统计回归模型参数的估计问题[A];加入WTO和中国科技与可持续发展——挑战与机遇、责任和对策(上册)[C];2002年
6 文振焜;欧阳杰;朱为总;;基于语义特征与支持向量机的图像分类[A];中国电子学会第十六届信息论学术年会论文集[C];2009年
7 武文;李昊;王晓军;吴永辉;;极化误差对图像分类的影响分析[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
中国重要报纸全文数据库 前2条
1 海证期货 谢玉磊;模型参数的优化与取舍[N];期货日报;2014年
2 浙江省象山县国税局;灵活运用模型参数 评估税款超百万元[N];中国税务报;2012年
中国博士学位论文全文数据库 前10条
1 张倩;基于知识表达的迁移学习研究[D];中国矿业大学;2013年
2 夏灵;基于心电仿真模型参数解的心电逆问题研究[D];浙江大学;1995年
3 张姝茵;基于判别性特征学习的极化SAR图像分类[D];西安电子科技大学;2018年
4 滑文强;小样本下的极化SAR图像分类问题研究[D];西安电子科技大学;2018年
5 郑昱;面向大规模图像分类的层次化多任务学习算法研究[D];西安电子科技大学;2017年
6 郭雨薇;基于超像素表征和模糊特征学习的图像分类与识别[D];西安电子科技大学;2017年
7 李晓;基于迁移学习的跨域图像分类方法研究[D];西安电子科技大学;2017年
8 胡慧君;带钢缺陷图像分类中的智能算法研究[D];武汉大学;2015年
9 常合友;基于字典学习的图像分类研究[D];南京理工大学;2017年
10 罗长志;多类别图像分类的关键技术研究[D];合肥工业大学;2017年
中国硕士学位论文全文数据库 前10条
1 徐佳慧;基于迁移学习的图像分类算法研究[D];中国计量大学;2017年
2 杨楠;基于内容的商品图像分类技术研究[D];大连理工大学;2011年
3 吴国琴;迁移学习在图像分类中的应用研究[D];安徽大学;2017年
4 武建伟;基于模型参数实时更新的牛乳中菌群含量检测装置研究[D];哈尔滨理工大学;2018年
5 涂立尚;Q460D钢母材及ER55-G型焊材微观断裂模型参数影响因素研究[D];长安大学;2018年
6 张湾;考虑经验模型误差的深基坑开挖模型参数概率反分析方法[D];武汉大学;2017年
7 郭宇峰;粘弹塑性统一本构模型参数评估[D];大连理工大学;2002年
8 周洋;复杂环境下图像分类与标注[D];湖南大学;2018年
9 徐希岩;基于深度学习的小样本图像分类研究[D];东北林业大学;2018年
10 张婉;融合深度学习的图像分类算法研究[D];南京邮电大学;2018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