导读:本文包含了流形学习论文开题报告文献综述及选题提纲参考文献，主要关键词:保局投影,欠拟合状态,测地线
流形学习论文文献综述
徐礼俊,方婧涵,王亦平[1]（2019）在《一种基于测地线的保局投影流形学习方法》一文中研究指出为了解决在实际应用中LPP算法存在欠拟合状态的问题,详细论述了保局投影(LPP)的映射原理;分析了LPP方法在某些数据集下的欠拟合状态与邻接图之间的关系;提出了基于测地线的LPP(ISOLPP)流形学习方法。实验结果显示,ISOLPP方法在多个测试数据集上取得了很好的嵌入效果,不仅能够继承LPP具有显式投影矩阵的优点,而且解决了LPP算法中存在欠拟合状态的问题,显着提高了算法的适应性。(本文来源于《系统仿真学报》期刊2019年12期）
王雄[2]（2019）在《浅谈流形学习中的LLE算法》一文中研究指出在机器学习领域中有一个重要的研究领域就是流形学习,而流形学习中最为重要的算法之一就是局部线性嵌入算法(LLE),这种算法是一种非线性降维,具有很好的泛化性,在图像分类和目标识别等方面被广泛地应用。主要介绍了流形学习的基本思想,典型的LLE算法,同时归纳了几种现有的LLE改进算法,使得我们能够更好地去理解流形学习和LLE算法。(本文来源于《安徽电子信息职业技术学院学报》期刊2019年04期）
刘开南,冯新扬,邵超[3]（2019）在《一种面向图像分类的流形学习降维算法》一文中研究指出数据挖掘中的流形学习降维算法可以应用于图像分类等领域。提出一种面向图像分类的流形学习降维算法Mod-LLE(Modified Locally Linear Embedding)。该算法是针对高维数据的局部线性嵌入降维算法的改进,其整合了图像识别信息来更好地改善优化效果,达到在处理过程中保证原始数据固有的拓扑组成结构。以标准数据集作为案例进行测试。图像分类功能测试与降维性能测试结果表明:该算法对于人脸图像的分类精度比较高,降维性能良好。(本文来源于《计算机应用与软件》期刊2019年08期）
王云艳,罗冷坤,王重阳[4]（2019）在《基于流形学习的光学遥感图像分类》一文中研究指出随着光学遥感图像技术的快速发展与广泛应用,对光学遥感图像的准确分类具有深远的研究意义。传统特征提取方式提取的高维特征中夹杂着许多冗余信息,分类过程可能导致过拟合现象,针对传统的线性降维算法不足以保持原始数据的内部结构,容易造成数据失真这一问题,提出基于流形学习的光学遥感图像分类算法。该算法首先提取出图像的SIFT特征,然后将流形学习运用于特征降维,最后结合支持向量机进行训练和识别。实验结果表明,在Satellite、NWPU和UCMerced实验数据中,冰川、建筑群和海滩分类精度得到了有效提高,达到85%左右;针对沙漠、岩石、水域等特殊环境遥感图像,分类精度提高了10%左右。总而言之,基于流形学习的分类算法对通过降维之后的数据能够保持在原高维空间中的拓扑结构,相似特征点能得到有效聚合,预防了"维数灾难",减少了计算量,保证了分类精度。(本文来源于《计算机工程与科学》期刊2019年07期）
李世宝,王升志,张鑫,陈海华,刘建航[5]（2019）在《基于全局流形结构的半监督学习室内定位算法》一文中研究指出针对传统基于WLAN的指纹定位方法中,因需要密集采集参考点标记数据带来的指纹库构建工作开销大的问题,提出一种基于全局特征保持的半监督流形对齐指纹库构建算法。该算法仅利用少量采集时间开销大的标记数据,结合大量易采集的未标记数据,通过求解流形对齐目标函数,实现对未标记数据的位置标定,减少指纹库构建的消耗。同时,运用测地线距离得到全局流形结构以充分挖掘少量标记数据中的对应特征,提升在少量标记数据情况下构建的指纹库精度。真实场景的实验结果表明,所提算法可以显着降低离线指纹库的构建开销,同时可以取得较优的定位精度。(本文来源于《计算机与现代化》期刊2019年07期）
尚坤[6]（2019）在《航空发动机转子系统早期故障迁移流形学习研究》一文中研究指出航空发动机转子系统早期故障信号非线性、样本少、特征微弱难以提取等导致不能有效预示。为了解决这些问题,迁移学习被提出并越来越受到人们的重视。迁移学习是指运用已经现有的知识,对不同的但是相关的领域问题,一种新的求解方式。将迁移学习与流形学习相融合并充分挖掘其潜力,充分提高流形学习的推理性与延展性,形成预示早期航空发动机转子系统故障在样本少、工况交变等情况下新的理论与方法。(本文来源于《内燃机与配件》期刊2019年12期）
江志农,赵南洋,夏敏,赵飞松,高佳丽[7]（2019）在《一种基于流形学习和KNN算法的柴油机工况识别方法》一文中研究指出不同负荷状态下的柴油机振动、温度、转速等信号显着不同,而机组故障信号特征往往被淹没在随负荷变化而剧烈变化的信号中,因此变负荷状态下的柴油机故障监测诊断难度较大,一直困扰着柴油机的实际故障诊断工作。提出一种基于流形学习和KNN算法的柴油机工况识别方法,为柴油机变负荷工况下故障监测预警打下基础。方法融合机组的多源信号特征构建特征向量,通过流形学习t-分布邻域嵌入算法(t-SNE)实现特征向量的维数约简和敏感特征提取,采用K最近邻分类算法(KNN)完成柴油机运行负荷状态的自动分类。正常及故障状态下多组柴油机监测数据的处理结果验证了方法的有效性和实用性。(本文来源于《噪声与振动控制》期刊2019年03期）
冉龙才[8]（2019）在《基于流形学习的图像去雨雪应用研究》一文中研究指出恶劣天气(雨、雪、霾等)下拍摄的视频或图像严重影响人们的研究使用。其中,雨、雪天气导致的图像退化使得视觉系统不能提供可靠的特征提取、物体识别和目标检测、跟踪等计算机视觉算法的处理结果。因此,将图像去雨雪技术作为图像的预处理环节,用于提高计算机视觉算法的准确性是有必要的。受雨、雪影响的视频或图像具有视觉效果差、关键信息被覆盖的特性,因此针对图像去雨雪算法的研究具有很大的实际意义。本文的研究内容主要是针对视频图像的雨雪去除,进而提高雨、雪视频图像的视觉效果。图像的去雨雪算法在国内外已有广泛的应用和深入的研究,达得了较好的雨雪条纹去除效果,但仍然存在损失图像内部固有信息的问题。图像的去雨雪通常涉及了数据从高维非线性到低维线性的变换,雨雪条纹可以通过高维观测空间中的低维嵌入流形进行标记,这很好保留了雨雪条纹的结构信息。本文对一些经典的图像去雨雪算法进行了深入研究和比较,在此基础上提出了两种图像去雨雪方法:基于改进BPDN算法的图像去雨雪方法和基于局部流形结构的图像去雨雪方法。(1)本文工作是基于Kim算法的改进工作,Kim算法只考虑了雨雪图像的全局信息,而缺少对雨雪图像局部信息的描述。本文首先将视频或图像的去雨雪看作一个图像去噪问题。其次,在Kim算法的精炼雨雪图模型中引入了一个局部特征约束项(流形学习衍生的分支),用于提取更多有效的雨雪条纹。然后,将引入局部特征约束项的精炼雨雪图模型通过公式推导为一个标准的边界约束二次规划问题,并使用BPDN算法进行求解。最后,使用精炼雨雪图和基于EM算法的低秩矩阵补全技术去除图像中的雨雪条纹。实验结果表明,本文算法的精炼雨雪图比Kim算法提取了更多有效的雨雪条纹,并且能够达到较好的去除效果。(2)本文提出的基于改进BPDN算法的图像去雨雪方法虽然得到了较好的去雨雪效果,但其耗费了巨大的时间成本。针对这一问题,本文选取了更优的边权值构建方法。首先,通过使用基于流形学习理论的LDMM算法求解图像像素点邻结图的边权值。其次,使用拉普拉斯特征映射(LE算法)得到局部流形结构项,并将其引入精炼雨雪图模型中。然后,应用梯度下降法求解该优化模型,从而得到更精炼的雨雪图。最后,使用精炼雨雪图和基于EM算法的低秩矩阵补全技术去除图像中的雨雪条纹。实验结果表明,本文算法极大的降低了时间成本,并取得了较好的图像去雨雪效果。本文算法在去除雨雪条纹后更好地保留了图像的内部固有信息。(本文来源于《贵州民族大学》期刊2019-06-08）
徐繁华[9]（2019）在《基于共轭梯度和流形正则化的核极限学习机及其应用研究》一文中研究指出极限学习机(Extreme learning machine,ELM)本质上是一种前馈神经网络的改进模型,由于该算法具有参数设置简单并且学习速度快的优点,因此其应用范围广泛、相关算法研究不断增多。极限学习机通过系统随机给定输入层权值的方法来获得隐含层随机映射,隐含层权值是采用最小二乘法通过一次计算而获得,这一特点使得其学习速度非常快。本文对极限学习机算法展开研究,针对极限学习机的一些缺陷进行改进,提出两种新的极限学习机模型,并将其应用于图像复原和糖尿病检测,改善了极限学习机的性能,拓宽了极限学习机的应用。本文的主要研究工作如下:(1)为了改善极限学习机网络的稳定性、提高其泛化性能,正则极限学习机通过引入正则化理论并结合统计学风险知识,最终使得经验风险与结构风险的比例得到调和。本文将正则极限学习机用于恢复受高斯模糊影响的图像,与BP网络和均值滤波复原算法相对比,其在训练速度、复原效果上均有很好的表现。(2)核极限学习机是在引入了核函数理论基础上,采用核映射作为隐含层输出,其稳定性更好,显示出比随机映射的优越性。但是当样本过大时,核极限学习机通过求解逆矩阵来获得输出权值的方法在时间、空间复杂度上表现不佳。因此本文提出了一种基于共轭梯度的核极限学习机,通过引入共轭梯度算法来求解核极限学习机中的逆矩阵,能够在学习速度上具备优势,并且实验显示占用的内存降低,在计算机上具备更好的可行性。将改进后的核极限学习机用于高斯模糊图像的复原,并与BP网络和均值滤波作对比试验,结果显示所提出的改进核极限学习机在时间、效果等方面具有优势。(3)本文提出一种流形正则化核极限学习机模型。引入了流形正则化理论,通过构建拉普拉斯矩阵的方法用于改进核极限学习机的学习算法。仿真实验验证了流形正则核极限学习机良好的泛化性能,虽然增加了时间消耗,但是在效果上依然表现良好,不失为一种新方法。(本文来源于《湘潭大学》期刊2019-06-06）
张亚男[10]（2019）在《基于流形学习和优化极限学习机的滚动轴承故障诊断方法研究》一文中研究指出作为旋转机械的重要组成,滚动轴承的运行状态将直接影响机械设备的安全与稳定。由此,对滚动轴承的故障(尤其是早期故障)进行定位与排除显得尤为重要。滚动轴承早期故障信号是典型的非线性非平稳信号,该信号特征不明显,易于被噪声淹没。因此,需要对该信号进行降噪处理、故障特征提取以及模式识别,来提高故障识别的精准度。由此,本课题《基于流形学习和优化极限学习机的滚动轴承故障诊断方法研究》应运而生。本文以滚动轴承内圈、外圈、滚动体故障信号作为研究对象,以流行学习、变分模态分解、优化极限学习机为基础,针对信号去噪、故障特征提取、模式识别叁方面展开深入研究。主要研究内容如下:阐述了滚动轴承故障诊断的研究背景、意义及其发展历程,介绍了滚动轴承故障诊断的国内外研究现状,分析了滚动轴承的故障成因与振动机理,计算了滚动轴承的故障特征频率,并详细阐述了目前常用的故障特征提取方法和模式识别方法。对流形学习理论进行了研究,介绍了等距映射(Isometrical Mapping,ISOMAP)、局部切空间排列算法(Local Tangent Space Alignment,LTSA)、局部保持投影算法(Locality Preserving Projection,LPP)、拉普拉斯算子映射算法(Laplacian Eigenmaps,LE)、局部线性嵌入算法(Locally Linear Embedding,LLE)等几种常用的流形学习算法。选取其中的典型非线性降维算法:LTSA、LEE、ISOMAP与线性降维算法:主成分分析算法(Principal Component Analysis,PCA)对故障信号进行了降噪处理,同时以均方根值和近似熵作为量化评价指标,对降噪结果进行量化评价。实验结果表明,LTSA在滚动轴承故障信号去噪方面具有较大的优势。接着分析并仿真研究了参数对变分模态分解(Variational Mode Decomposition,VMD)的影响,选取了叁种不同类型的仿真信号,研究对比了 VMD与经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、完备总体经验模态分解(Complete Ensemble Empirical Mode Decomposition,CEEMD)在含噪声情况下、不同频率组合情况下以及特征频率相近情况下的分解效果,并重点对模态混迭、虚假分量、过分解等现象进行了分析。针对参数对流形学习降维算法的影响,提出了以故障特征能量比(Fault Feature Energy Ratio,FER)为目标函数,利用网格化搜索方式的自适应流形学习算法,来对轴承信号进行降噪处理。对降噪后的信号进行VMD分解,提出了以峭度、相关度、包络熵为综合评价指标的模态分量选取、重构方法,得到了最优的模态重构分量。进而对该最优模态分量进行了包络谱分析,提取得到了故障特征频率。提出了将模态分量构成的矩阵进行奇异值分解,得到信号奇异特征值,将其作为模式识别算法的训练和测试样本数据集的数据来源。分析了隐含层节点数和激活函数对于极限学习机(Extreme Learning Machine,ELM)模式识别准确率的影响。并利用蛙跳算法选取了最优的参数组合作为ELM算法的参数输入。进而研究了在不同故障尺寸数据集、不同模式识别方法下的故障模式识别准确率,并对测试样本数一定、训练样本数不同时的模式识别准确率进行了仿真研究。(本文来源于《北京交通大学》期刊2019-06-01）
流形学习论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在机器学习领域中有一个重要的研究领域就是流形学习,而流形学习中最为重要的算法之一就是局部线性嵌入算法(LLE),这种算法是一种非线性降维,具有很好的泛化性,在图像分类和目标识别等方面被广泛地应用。主要介绍了流形学习的基本思想,典型的LLE算法,同时归纳了几种现有的LLE改进算法,使得我们能够更好地去理解流形学习和LLE算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
流形学习论文参考文献
[1].徐礼俊,方婧涵,王亦平.一种基于测地线的保局投影流形学习方法[J].系统仿真学报.2019
[2].王雄.浅谈流形学习中的LLE算法[J].安徽电子信息职业技术学院学报.2019
[3].刘开南,冯新扬,邵超.一种面向图像分类的流形学习降维算法[J].计算机应用与软件.2019
[4].王云艳,罗冷坤,王重阳.基于流形学习的光学遥感图像分类[J].计算机工程与科学.2019
[5].李世宝,王升志,张鑫,陈海华,刘建航.基于全局流形结构的半监督学习室内定位算法[J].计算机与现代化.2019
[6].尚坤.航空发动机转子系统早期故障迁移流形学习研究[J].内燃机与配件.2019
[7].江志农,赵南洋,夏敏,赵飞松,高佳丽.一种基于流形学习和KNN算法的柴油机工况识别方法[J].噪声与振动控制.2019
[8].冉龙才.基于流形学习的图像去雨雪应用研究[D].贵州民族大学.2019
[9].徐繁华.基于共轭梯度和流形正则化的核极限学习机及其应用研究[D].湘潭大学.2019
[10].张亚男.基于流形学习和优化极限学习机的滚动轴承故障诊断方法研究[D].北京交通大学.2019