收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

稀疏表示分类的模型、量化指标体系及应用

田晨曦  
【摘要】:稀疏表示是一种基于过完备字典的稀疏编码技术.在当前大数据时代下,高维数据的稀疏表示因为具有良好的数学基础,并且不需要学习与训练,得到了蓬勃的发展,成为图像处理与计算机视觉等领域的研究热点之一.由Wright等人提出的基于稀疏表示的分类(Sparse Representation Based Classification,SRC)是典型的基于正投影的稀疏表示分类模型,被用于人脸识别并取得了良好的效果.之后,SRC受到广泛关注并应用于其他领域中,并且在SRC的基础上,出现了很多改进的稀疏表示分类模型.随着稀疏表示理论的不断发展,稀疏表示分类模型广泛应用于很多领域,在实际应用中也有很多不同的稀疏表示分类模型可以选择,而如何评价各种稀疏表示分类模型,目前还没有综合测量的完整量化指标系统,在数学中,我们重视的是模型的建立、算法的设计,而在实际应用中无法明白如何选择合适的分类模型,所以构建量化指标体系是很有必要的.基于此,本学位论文对稀疏表示分类模型从投影方式的角度进行分类,并基于现有稀疏表示分类模型,提出了一种基于反投影的协同空间稀疏表示分类模型,进而构建了一套从特征表示学习到分类的量化指标体系,并用于人脸识别和肿瘤识别领域.主要工作概括如下:(1)对稀疏表示分类模型从投影方式的角度进行分类.具体的,将稀疏表示分类模型按照投影方式分为基于正投影的稀疏表示分类模型和基于反投影的稀疏表示分类模型,依照表示空间、先验信息、分类准则的不同分别介绍其特点,并且介绍几种经典的稀疏表示分类模型.(2)提出了一种基于反投影的协同空间稀疏表示分类模型.考虑充分利用未标记样本所蕴含的信息的基础上,加入同类训练样本作为协同表示,并构建了一种基于反投影的协同空间稀疏表示模型.采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)完成模型的优化求解,并进行了收敛性分析.最后,在国际公开的一个两类数据库和一个多类数据库上验证了模型的有效性.(3)对稀疏表示分类模型的衡量和选择构建了一套量化指标体系.稀疏表示分类主要分两个主要阶段:表示阶段和分类阶段,从这两个方面入手,定义了一个比较完整的量化指标体系来全面地衡量稀疏表示分类的性能,将稀疏表示分类的性能量化,为如何选择合适的稀疏表示分类提供了一个客观的参考依据,使在实际应用中可以直观地根据需求进行选择.(4)将稀疏表示分类模型和量化指标体系用于人脸识别和肿瘤识别上.在六个国际公开的数据库上进行实验,既验证了稀疏表示分类模型的性能,又展示了量化指标体系对稀疏表示分类模型的性能进行衡量和选择的可行性和有效性.


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 Fang LI;Jia SHENG;San-yuan ZHANG;;基于稀疏表示的拉普拉斯稀疏字典图像分类(英文)[J];Frontiers of Information Technology & Electronic Engineering;2017年11期
2 黄宏图;毕笃彦;侯志强;胡长城;高山;查宇飞;库涛;;基于稀疏表示的视频目标跟踪研究综述[J];自动化学报;2018年10期
3 刘嘎琼;;改进稀疏表示的人脸识别在高校管理中的应用[J];计算机与数字工程;2018年11期
4 余庆辉;朱晗琰;吴海霞;戈晓玲;潘逸炜;;基于类内稀疏表示的人脸识别[J];科技展望;2015年32期
5 滕升华;商胜楠;王芳;赵增顺;;一种基于复合稀疏表示的阿尔茨海默病的诊断方法[J];生物医学工程研究;2016年01期
6 黄宏图;毕笃彦;高山;查宇飞;侯志强;;基于局部敏感核稀疏表示的视频跟踪[J];电子与信息学报;2016年04期
7 张保庆;穆志纯;曾慧;;基于非负稀疏表示的遮挡人耳识别[J];计算机辅助设计与图形学学报;2014年08期
8 张石清;赵小明;楼宋江;闯跃龙;郭文平;陈盈;;一种局部敏感的核稀疏表示分类算法[J];光电子.激光;2014年09期
9 陈思宝;许立仙;罗斌;;基于多重核的稀疏表示分类[J];电子学报;2014年09期
10 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
11 甘乐;;高光谱遥感影像稀疏表示与字典学习分类研究[J];地理与地理信息科学;2019年01期
12 李清泉;王欢;;基于稀疏表示理论的优化算法综述[J];测绘地理信息;2019年04期
13 王威;朱宗玖;陆俊;;基于字典学习和局部约束的稀疏表示人脸识别[J];电脑知识与技术;2018年05期
14 韦道知;黄树彩;赵岩;庞策;;非负谱稀疏表示的高光谱成像中的异常检测[J];红外与激光工程;2016年S2期
15 王科平;杨赞亚;恩德;;基于分类冗余字典稀疏表示的图像压缩方法[J];计算机工程;2017年09期
16 王学军;王文剑;曹飞龙;;基于自步学习的加权稀疏表示人脸识别方法[J];计算机应用;2017年11期
17 黄少煌;黄立勤;;改进的两阶段协作稀疏表示分类器[J];南阳理工学院学报;2016年02期
中国重要会议论文全文数据库 前10条
1 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集(第五分册)[C];2013年
2 杨宝;朱启兵;黄敏;;基于非负矩阵分解一稀疏表示分类的玻璃缺陷图像识别[A];第24届中国控制与决策会议论文集[C];2012年
3 田野;张立新;严涛;杨志梅;张茁;;基于稀疏表示的北斗导航卫星预失真滤波器设计方法[A];第九届中国卫星导航学术年会论文集——S08 测试评估技术[C];2018年
4 肖琼;黄永言;;稀疏表示在脑电信号处理中的应用研究现状[A];人-机-环境系统工程创立30周年纪念大会暨第十一届人-机-环境系统工程大会论文集[C];2011年
5 赵雪峰;孙成禹;;基于稀疏表示的地震多属性融合[A];2016中国地球科学联合学术年会论文集(十九)——专题40:油气田与煤田地球物理勘探[C];2016年
6 廖佳俊;刘志刚;蔡尚;姜江军;;基于非负—平滑约束的高光谱稀疏表示目标检测算法研究[A];国家安全地球物理丛书(十二)——地球物理与信息感知[C];2016年
7 蒙红英;柴昱洲;韩宇;;一种基于稀疏表示的JPEG-LS改进算法[A];第四届高分辨率对地观测学术年会论文集[C];2017年
8 柴汉超;郭翌;汪源源;曹万里;孙福康;;基于多尺度稀疏表示分割肾上腺肿瘤CT图像[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
9 杜兰;李晨;孙永光;;基于联合动态稀疏表示的SAR自动目标识别[A];第五届高分辨率对地观测学术年会论文集[C];2018年
10 余力;郭翌;汪源源;陈萍;;基于超声心动图序列的胎儿左心室分割[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
中国博士学位论文全文数据库 前10条
1 商琨;稀疏、低秩表示学习模型与相关方法研究[D];天津大学;2017年
2 张永强;基于稀疏表示和级联回归的面部动作捕捉技术研究[D];哈尔滨工业大学;2018年
3 张岩;基于稀疏表示的油气地震勘探数据重建与去噪方法研究[D];东北石油大学;2018年
4 赵永红;基于稀疏表示的阵列信号空间谱估计方法研究[D];西安电子科技大学;2017年
5 任博;基于稀疏表示和流形学习的SAR图像分类算法研究[D];西安电子科技大学;2017年
6 程增飞;基于压缩感知的阵列信号处理技术研究[D];西安电子科技大学;2017年
7 吴晓欢;基于稀疏表示的波达方向估计理论与方法研究[D];南京邮电大学;2017年
8 王秀红;基于稀疏表示的波达方向估计方法研究[D];哈尔滨工业大学;2017年
9 王晓阳;基于稀疏动态反演的红外弱小目标检测理论及方法研究[D];电子科技大学;2018年
10 孔波;基于稀疏和张量表示的通信雷达融合系统目标参数估计方法研究[D];南昌大学;2019年
中国硕士学位论文全文数据库 前10条
1 韩征彬;智能视频监控系统中的人群异常行为检测算法研究[D];长春理工大学;2019年
2 徐俊;基于稀疏核空间的图像识别[D];上海交通大学;2017年
3 张雪艳;基于自组织映射的图像稀疏表示[D];桂林电子科技大学;2019年
4 张尧;基于改进的时空上下文目标跟踪算法研究[D];长春理工大学;2019年
5 罗宵晗;基于稀疏表示的人脸识别方法研究[D];杭州电子科技大学;2019年
6 田晨曦;稀疏表示分类的模型、量化指标体系及应用[D];河南大学;2019年
7 韩青云;基于稀疏表示的DAS数据降噪方法研究[D];电子科技大学;2019年
8 孙磊;基于特征表示和反投影稀疏表示分类的临床医学数据分析[D];河南大学;2019年
9 丁婷婷;稀疏表示图像分类算法研究[D];云南大学;2018年
10 张晗;基于原子空间梯度的稀疏表示图像融合[D];天津师范大学;2019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
  • 010-62982499
  • 010-62783978