本文主要研究内容
作者田晨曦（2019）在《稀疏表示分类的模型、量化指标体系及应用》一文中研究指出：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.
Abstract
xi shu biao shi shi yi chong ji yu guo wan bei zi dian de xi shu bian ma ji shu .zai dang qian da shu ju shi dai xia ,gao wei shu ju de xi shu biao shi yin wei ju you liang hao de shu xue ji chu ,bing ju bu xu yao xue xi yu xun lian ,de dao le peng bo de fa zhan ,cheng wei tu xiang chu li yu ji suan ji shi jiao deng ling yu de yan jiu re dian zhi yi .you Wrightdeng ren di chu de ji yu xi shu biao shi de fen lei (Sparse Representation Based Classification,SRC)shi dian xing de ji yu zheng tou ying de xi shu biao shi fen lei mo xing ,bei yong yu ren lian shi bie bing qu de le liang hao de xiao guo .zhi hou ,SRCshou dao an fan guan zhu bing ying yong yu ji ta ling yu zhong ,bing ju zai SRCde ji chu shang ,chu xian le hen duo gai jin de xi shu biao shi fen lei mo xing .sui zhao xi shu biao shi li lun de bu duan fa zhan ,xi shu biao shi fen lei mo xing an fan ying yong yu hen duo ling yu ,zai shi ji ying yong zhong ye you hen duo bu tong de xi shu biao shi fen lei mo xing ke yi shua ze ,er ru he ping jia ge chong xi shu biao shi fen lei mo xing ,mu qian hai mei you zeng ge ce liang de wan zheng liang hua zhi biao ji tong ,zai shu xue zhong ,wo men chong shi de shi mo xing de jian li 、suan fa de she ji ,er zai shi ji ying yong zhong mo fa ming bai ru he shua ze ge kuo de fen lei mo xing ,suo yi gou jian liang hua zhi biao ti ji shi hen you bi yao de .ji yu ci ,ben xue wei lun wen dui xi shu biao shi fen lei mo xing cong tou ying fang shi de jiao du jin hang fen lei ,bing ji yu xian you xi shu biao shi fen lei mo xing ,di chu le yi chong ji yu fan tou ying de xie tong kong jian xi shu biao shi fen lei mo xing ,jin er gou jian le yi tao cong te zheng biao shi xue xi dao fen lei de liang hua zhi biao ti ji ,bing yong yu ren lian shi bie he zhong liu shi bie ling yu .zhu yao gong zuo gai gua ru xia :(1)dui xi shu biao shi fen lei mo xing cong tou ying fang shi de jiao du jin hang fen lei .ju ti de ,jiang xi shu biao shi fen lei mo xing an zhao tou ying fang shi fen wei ji yu zheng tou ying de xi shu biao shi fen lei mo xing he ji yu fan tou ying de xi shu biao shi fen lei mo xing ,yi zhao biao shi kong jian 、xian yan xin xi 、fen lei zhun ze de bu tong fen bie jie shao ji te dian ,bing ju jie shao ji chong jing dian de xi shu biao shi fen lei mo xing .(2)di chu le yi chong ji yu fan tou ying de xie tong kong jian xi shu biao shi fen lei mo xing .kao lv chong fen li yong wei biao ji yang ben suo wen han de xin xi de ji chu shang ,jia ru tong lei xun lian yang ben zuo wei xie tong biao shi ,bing gou jian le yi chong ji yu fan tou ying de xie tong kong jian xi shu biao shi mo xing .cai yong jiao ti fang xiang cheng zi fa (Alternating Direction Method of Multipliers,ADMM)wan cheng mo xing de you hua qiu jie ,bing jin hang le shou lian xing fen xi .zui hou ,zai guo ji gong kai de yi ge liang lei shu ju ku he yi ge duo lei shu ju ku shang yan zheng le mo xing de you xiao xing .(3)dui xi shu biao shi fen lei mo xing de heng liang he shua ze gou jian le yi tao liang hua zhi biao ti ji .xi shu biao shi fen lei zhu yao fen liang ge zhu yao jie duan :biao shi jie duan he fen lei jie duan ,cong zhe liang ge fang mian ru shou ,ding yi le yi ge bi jiao wan zheng de liang hua zhi biao ti ji lai quan mian de heng liang xi shu biao shi fen lei de xing neng ,jiang xi shu biao shi fen lei de xing neng liang hua ,wei ru he shua ze ge kuo de xi shu biao shi fen lei di gong le yi ge ke guan de can kao yi ju ,shi zai shi ji ying yong zhong ke yi zhi guan de gen ju xu qiu jin hang shua ze .(4)jiang xi shu biao shi fen lei mo xing he liang hua zhi biao ti ji yong yu ren lian shi bie he zhong liu shi bie shang .zai liu ge guo ji gong kai de shu ju ku shang jin hang shi yan ,ji yan zheng le xi shu biao shi fen lei mo xing de xing neng ,you zhan shi le liang hua zhi biao ti ji dui xi shu biao shi fen lei mo xing de xing neng jin hang heng liang he shua ze de ke hang xing he you xiao xing .
论文参考文献
论文详细介绍
论文作者分别是来自河南大学的田晨曦，发表于刊物河南大学2019-09-20论文，是一篇关于稀疏表示分类论文,反投影论文,量化指标体系论文,表示性能论文,分类性能论文,人脸识别论文,肿瘤识别论文,河南大学2019-09-20论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自河南大学2019-09-20论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：稀疏表示分类论文; 反投影论文; 量化指标体系论文; 表示性能论文; 分类性能论文; 人脸识别论文; 肿瘤识别论文; 河南大学2019-09-20论文;