检索结果-内蒙古大学图书馆

作者：张鑫荣北京交通大学

学位级别：硕士

随着信息技术的迅猛发展,高维多模态数据在图像、医疗、自动化、工业等诸多领域中的应用日益普遍.相比于向量和矩阵,高阶高维张量能够更为有效地保留数据的时间、空间等多模态结构信息,基于张量的统计学习方法备受关注.支持张量机作为... 详细信息

随着信息技术的迅猛发展,高维多模态数据在图像、医疗、自动化、工业等诸多领域中的应用日益普遍.相比于向量和矩阵,高阶高维张量能够更为有效地保留数据的时间、空间等多模态结构信息,基于张量的统计学习方法备受关注.支持张量机作为经典支持向量机的高阶推广,借助张量保留数据结构信息,充分挖掘数据内部相关信息,特别是多模态数据的一致性与互补性特征,实现对数据更加稳健且准确的分类,是张量学习中的一类重要分类方法.然而,支持张量机的研究大多集中在二分类领域,当处理多分类问题时,通常基于二分类方法并采用组合策略进行,其效率不高.在多分类实际应用中,利用数据不同模态之间的关系来直接进行多分类,将具有更高的分类可靠性和可解释性.但是,目前已有的工作中对直接进行多分类的支持张量机模型的研究很少.本文旨在为高维多模态数据建立新的直接多分类支持张量机方法,并将其应用于多模态图像分类领域.本文的主要研究工作包括: 1)利用张量多模乘积构造了多分类分离超平面,并在软间隔分类方案下设计了一个新的分段二次损失函数.在此基础上提出了多模态支持张量机模型(MSTM),进一步借助损失函数的微分性质,设计了牛顿算法对模型进行求解. 2)为缓解小样本情况下的过拟合现象,我们从对偶的角度在对偶优化问题的决策变量上施加零范数稀疏约束,用于减少支持超平面上样本个数,构建了多模态稀疏约束支持张量机模型(MSSTM).利用零范数的邻近点算子的特殊结构,设计了子空间牛顿算法对模型进行求解. 3)为缓解过拟合现象,我们亦从原始问题的角度对多分类超平面中的待估系数张量进行低秩约束,并借助张量核范数进行正则化处理,建立了核范数正则的多模态支持张量机模型(KMSTM).利用损失函数与张量核范数的邻近点算子性质与结构,设计了交替方向乘子法(ADMM)对模型进行求解. 我们将提出的新模型与算法应用于图片多分类,在真实数据集上验证了所提方法在分类精度与计算时间方面的有效性与优势.

关键词：多模态数据支持张量机牛顿算法交替方向乘子法多分类

来源：评论

学校读者我要写书评

暂无评论

一类基于L_(0/1)软间隔损失函数的低秩支持张量机

引用

运筹学学报 2021年第3期25卷 160-172页

作者：王双月罗自炎北京交通大学理学院北京100044

支持向量机作为基于向量空间的一种传统的机器学习方法,不能直接处理张量类型的数据,否则不仅破坏数据的空间结构,还会造成维度灾难及小样本问题。作为支持向量机的一种高阶推广,用于处理张量数据分类的支持张量机已经引起众多学者的关... 详细信息

支持向量机作为基于向量空间的一种传统的机器学习方法,不能直接处理张量类型的数据,否则不仅破坏数据的空间结构,还会造成维度灾难及小样本问题。作为支持向量机的一种高阶推广,用于处理张量数据分类的支持张量机已经引起众多学者的关注,并应用于遥感成像、视频分析、金融、故障诊断等多个领域。与支持向量机类似,已有的支持张量机模型中采用的损失函数多为L_(0/1)函数的代理函数。将直接使用L_(0/1)这一本原函数作为损失函数,并利用张量数据的低秩性,建立针对二分类问题的低秩支持张量机模型。针对这一非凸非连续的张量优化问题,设计交替方向乘子法进行求解,并通过对模拟数据和真实数据进行数值实验,验证模型与算法的有效性。

关键词：支持张量机 L_(0/1)软间隔损失交替方向乘子法 Tucker秩

来源：评论

学校读者我要写书评

暂无评论

基于同步性脑网络的支持张量机情绪分类研究

引用

电子与信息学报 2020年第10期42卷 2462-2470页

作者：黄丽亚苏义博马捃凯丁威威宋传承南京邮电大学电子与光学工程学院微电子学院南京210023 南京邮电大学贝尔英才学院南京210023

一直以来,情绪是心理学、教育学、信息科学等多个学科的研究热点,脑电信号(EEG)因其客观、不易伪装的特点,在情绪识别领域受到广泛关注。由于人类情绪是大脑多个脑区相互作用产生的,该文提出一种基于同步性脑网络的支持张量机情绪分类算... 详细信息

一直以来,情绪是心理学、教育学、信息科学等多个学科的研究热点,脑电信号(EEG)因其客观、不易伪装的特点,在情绪识别领域受到广泛关注。由于人类情绪是大脑多个脑区相互作用产生的,该文提出一种基于同步性脑网络的支持张量机情绪分类算法(SBN-STM),该算法采用相位锁定值(PLV)构建了同步性脑网络,分析多导联脑电信号之间的同步性和相关性,并生成2阶张量序列作为训练集,运用支持张量机(STM)模型实现正负情绪的二分类。该文基于DEAP脑电情绪数据库,详细分析了同步性脑网络张量序列的选取方法,最佳张量序列窗口的大小和位置,解决了传统情绪分类算法特征冗余的问题,提高了模型训练速度。仿真实验表明,基于支持张量机的同步性脑网络分类方法的情绪准确率优于支持向量机、C4.5决策树、人工神经网络、K近邻等以向量为特征的情绪分类模型。

关键词：情绪分类同步性脑网络支持张量机相位锁定值

来源：评论

学校读者我要写书评

暂无评论

基于tucker分解的小波支持张量机模型及其应用

基于tucker分解的小波支持张量机模型及其应用

引用

作者：孙扬云南财经大学

学位级别：硕士

信息技术飞速发展,让维度更高、体量更大、结构更加复杂的数据正在加速产生,这也迫切地需要相对应的数据分析和数据挖掘技术的出现。其中,具有多个维度的张量数据便是典型的代表,其被广泛应用于诸多的研究领域,例如图像分类、医学辅助... 详细信息

信息技术飞速发展,让维度更高、体量更大、结构更加复杂的数据正在加速产生,这也迫切地需要相对应的数据分析和数据挖掘技术的出现。其中,具有多个维度的张量数据便是典型的代表,其被广泛应用于诸多的研究领域,例如图像分类、医学辅助诊断、金融预测、遥感和故障诊断等。传统的处理方法都是将张量直接展开成向量并使用基于向量的方法进行处理,这无疑会破坏原始张量的数据结构。本文所研究的支持张量机则是在力求保留张量结构信息的基础上完成数据挖掘。本文深入讨论了支持张量机的理论和特点,分析了当前国内外在理论上的研究进展和支持张量机在诸多领域的应用情况。针对张量空间上的非线性分类问题提出了一种新的tucker-wavelet支持张量机模型,并将其应用到了基于功能性核磁共振影像(fMRI)数据的阿兹海默疾病的诊断任务中。本文的主要研究内容如下:(1)针对支持张量机的非线性分类问题,详细研究了核函数理论,讨论了当前几种张量核函数在保持原始张量的结构信息上的表现,提出了更具有一般性且适用于高阶张量的基于tucker分解的保持结构信息的核函数,建立了新的非线性支持张量机算法。为了验证新模型在张量数据上的分类性能,分别建立了二维和三维的数据集,与多个核函数和模型进行了对比实验,试验结果表明新模型在张量分类问题上具有优势。(2)为了能够进一步提升模型的性能,根据核函数理论,提出了一种基于tucker分解的新形式小波核函数。不仅从理论上论证了小波核函数的适用性,还在多个类型的数据集上进行了与多个核函数的对比试验。结果表明新的核函数在相同条件下表现更优。(3)将新的支持张量机模型运用在基于fMRI数据上的医学影像诊断任务中。首先从ADNI数据集中收集并建立了4个表示不同患病程度的数据集,然后对fMRI数据进行预处理,接着进行了对比试验和参数的敏感性分析。试验结果表明本文提出的tucker-wavelet支持张量机模型能够有效应用在实际的分类任务中,并表现出优秀的分类性能。

关键词：支持张量机 tucker分解小波核函数 fMRI数据

来源：评论

学校读者我要写书评

暂无评论

基于多线性主成分分析和支持张量机的图像分类研究

基于多线性主成分分析和支持张量机的图像分类研究

引用

作者：麻安鹏贵州师范大学

学位级别：硕士

图像分类应用广泛,无论是在交通领域、安防领域,还是医学等领域,图像分类都能帮助人们方便快捷的生活,因此对图像分类进行研究十分有意义。传统的图像分类技术常采用主成分分析和支持向量机结合的方式,但由于图像是二维或三维数据,如果... 详细信息

图像分类应用广泛,无论是在交通领域、安防领域,还是医学等领域,图像分类都能帮助人们方便快捷的生活,因此对图像分类进行研究十分有意义。传统的图像分类技术常采用主成分分析和支持向量机结合的方式,但由于图像是二维或三维数据,如果采用传统的方式对这些图像数据进行分类研究时,需将这些数据拉成向量的形式再进行处理。这种处理方式不仅会产生高维向量,还会破坏数据中固有的高阶结构和内在相关性,从而导致分类精确度不高和小样本问题。针对上述问题,本文在实际的医学图像分类任务中,研究并实现了基于张量的图像分类技术,主要完成了下面几个方面的研究工作:(1)实现了基于多线性主成分分析的图像数据降维技术,不仅避免了将多维数据拉成向量数据而产生的一系列问题,同时也更多地保留了原始图像数据的结构信息,从而帮助分类器减少训练时间和提高分类准确率;(2)实现了支持张量机分类器,支持张量机是针对张量形式的数据分类的模型,它不用将数据拉成向量的形式,因而能更多的保留数据内部之间的结构信息。在对支持张量机模型进行求解时,本文分别采用了CP分解和Tucker分解来求取张量内积,实现了基于CP分解的支持张量机模型和基于Tucker分解的支持张量机模型,更多的保留了精确的结构信息,从而获得了更好的分类效果;(3)结合肺结节图像的特点,实现了多线性主成分分析和支持张量机的肺结节图像分类技术。首先用多线性主成分分析算法对数据进行降维处理,再用Tucker分解求取张量内积的方式对支持张量机模型进行求解。相关对比实验表明,基于多线性主成分分析和支持张量机算法在图像分类中比支持向量机算法在图像分类的准确率上更有优势。最终采用Tucker分解求取张量内积的方式作用于支持张量机模型时,分类效果最好。

关键词：图像分类多线性主成分分析 CP分解 Tucker分解支持张量机

来源：评论

学校读者我要写书评

暂无评论

基于Tucker分解和弦距离核支持张量机的肺结节分类诊断技术研究

基于Tucker分解和弦距离核支持张量机的肺结节分类诊断技术研究

引用

作者：王君贵州师范大学

学位级别：硕士

随着信息技术和医学影像成像技术的快速发展和应用,大量的医学图像作为医生诊断病人的重要依据而产生,对这些医学图像进行人工分析需要大量的时间,并消耗大量的资源。为此面向医学图像的机器学习技术提供了一种有效的解决思路,它运用医... 详细信息

随着信息技术和医学影像成像技术的快速发展和应用,大量的医学图像作为医生诊断病人的重要依据而产生,对这些医学图像进行人工分析需要大量的时间,并消耗大量的资源。为此面向医学图像的机器学习技术提供了一种有效的解决思路,它运用医学图像训练获得一个最优的模型,然后利用该模型对待诊断的医学图像进行分类和判断。这种方法不仅能够减少医生主观经验带来的错误判断,而且也会节约很多的人力、物力和财力。传统的机器学习方法是将多维数据转化成一维向量,然后用经典的向量学习算法训练模型。由于医学图像样本具有结构复杂的特点,因此这些方法不仅会丢失一些数据中原有的结构信息,而且会导致训练的模型复杂和产生过拟合现象。为解决该问题,复杂多维数据的有效表示和学习成为目前面向医学图像的机器学习技术的研究热点和重点。为了最大可能地保留原始医学数据的重要信息,本文采用张量表示医学图像样本并训练张量模型,实现了基于Tucker分解和弦距离核支持张量机的肺结节分类诊断技术。本项研究中对弦距离核支持张量机进行了改进,使得支持张量机更好地应用到肺结节分类诊断领域。主要做了下面两点改进,(1)对每个医学图像样本进行Tucker分解,将原始的三阶张量样本映射成一个维数更小的核心张量,从而有效地实现医学图像的特征提取,为下一步分类诊断提供良好的数据保证;(2)使用动态阈值提取奇异值方法,以奇异值平方选取的奇异值和奇异向量为初值,利用平衡参数选取奇异值平方丢弃的带有重要特征的奇异值和奇异向量,平衡参数的作用是平衡奇异值平方求得的重要奇异值和丢掉的重要奇异值,尽可能地将原始数据的重要信息提取出来。通过对比实验验证了改进后的算法的有效性,实现了基于Tucker分解和弦距离核支持张量机的肺结节分类诊断技术。

关键词： Tucker分解动态调节弦距离核支持张量机

来源：评论

学校读者我要写书评

暂无评论

基于张量核函数的支持张量机分类方法

引用

数学的实践与认识 2021年第14期51卷 142-154页

作者：杨鑫刚耿娟王来生赵新斌中国劳动关系学院安全工程学院北京100048 河北经贸大学数学与统计学院石家庄050061 中国农业大学理学院北京100083 中国民航科学技术研究院航空安全研究所北京100028

以秩一支持张量机(Rank-one Support Tensor Machine,R1-STM)为代表的张量学习现已成为模式识别领域的一个研究热点,具有非常广泛的应用.秩一支持张量机是非凸优化问题,不但求解非常耗时,而且得到的解是局部最优解.基于张量核函数的支... 详细信息

以秩一支持张量机(Rank-one Support Tensor Machine,R1-STM)为代表的张量学习现已成为模式识别领域的一个研究热点,具有非常广泛的应用.秩一支持张量机是非凸优化问题,不但求解非常耗时,而且得到的解是局部最优解.基于张量核函数的支持张量机(Support Tensor Machine based on Tensor-Kernel,TK-STM)能够解决非线性分类问题,不仅继承了支持向量机(Support Vector Machine,SVM)的优点,而且保持了更多的张量结构信息,能够通过一步迭代得到全局最优解.数值试验部分采用了五个向量型数据集和七个张量型数据集,并且将TK-STM与SVM和R1-STM这两个经典算法在分类精度和训练时间上进行了比较,实验结果表明无论在分类效果上还是训练时间上,TK-STM都具有明显的优势,特别是在处理高维小样本数据集上.

关键词：分类问题支持张量机张量表示张量核函数模式识别

来源：评论

学校读者我要写书评

暂无评论

基于支持张量机的近红外光谱检测成品纸张质量

引用

湖州师范学院学报 2021年第2期43卷 59-64页

作者：杜树新裘一湖州师范学院工学院浙江湖州313000

将成品纸张近红外光谱的向量数据组装成二阶张量数据,再采用支持张量机方法建立校正模型,实现对成品纸张质量指标的检测.对双面铜版纸的水分、灰分、克重和厚度等质量指标进行实验研究,结果表明,采用支持张量机方法建立的校正模型,尤其... 详细信息

将成品纸张近红外光谱的向量数据组装成二阶张量数据,再采用支持张量机方法建立校正模型,实现对成品纸张质量指标的检测.对双面铜版纸的水分、灰分、克重和厚度等质量指标进行实验研究,结果表明,采用支持张量机方法建立的校正模型,尤其在小样本情况下,其模型性能优于采用基于向量的主元回归、偏最小二乘、支持向量机等方法建立的校正模型.

关键词：近红外光谱支持张量机成品纸张校正模型纸张质量参数

来源：评论

学校读者我要写书评

暂无评论

基于张量特征与支持张量机的滚动轴承多通道融合诊断方法

基于张量特征与支持张量机的滚动轴承多通道融合诊断方法

引用

作者：蒋会明沈杰潘鸿海袁静赵倩李松 200093 上海市杨浦区军工路516号

本发明公开了基于张量特征与支持张量机的滚动轴承多通道融合诊断方法，包括：分别提取各通道信号的时域特征、小波域特征、熵域特征和三角函数特征等多域特征，构建以通道、特征和时间为维度的三阶张量；然后，通过核一致诊断法确定CP... 详细信息

标准号: CN115127813B

本发明公开了基于张量特征与支持张量机的滚动轴承多通道融合诊断方法，包括：分别提取各通道信号的时域特征、小波域特征、熵域特征和三角函数特征等多域特征，构建以通道、特征和时间为维度的三阶张量；然后，通过核一致诊断法确定CP秩，利用基于CP分解的低秩张量近似方法提取多域张量中所蕴含的高阶故障状态信息，获得多通道滚动轴承多域张量特征；最后，将多域张量特征输入支持张量机进行轴承故障诊断。根据本发明，能够充分利用滚动轴承多通道信号的高阶关联信息，实现多通道振动信号的有效融合和更好的故障诊断效果。

关键词：滚动轴承多域张量特征多通道高阶故障状态信息多通道信号支持张量机诊断方法提取故障诊断关联信息三角函数三阶张量时域特征输入支持通道信号有效融合振动信号轴承故障小波域低秩构建维度近似分解融合

来源：评论

学校读者我要写书评

暂无评论

一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法

一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法

引用

作者：韩敏张祎芳韩冰 116024 辽宁省大连市甘井子区凌工路2号

一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法，该方法首先将多源传感器信号转化为时频图像，并进行灰度化和裁剪处理，最后沿着前向切片进行堆叠重构为张量样本，充分挖掘了时间域、频率域和空间域的耦合结构信息；其次... 详细信息

标准号: CN116010852A

一种基于非线性直觉模糊支持张量机的船舶柴油机故障诊断方法，该方法首先将多源传感器信号转化为时频图像，并进行灰度化和裁剪处理，最后沿着前向切片进行堆叠重构为张量样本，充分挖掘了时间域、频率域和空间域的耦合结构信息；其次设计一种非线性形式的非隶属度函数构建直觉模糊集，得到每个张量样本的得分，突出不同样本的贡献以缓解噪声对模型的影响。接着利用张量鲁棒主成分分析从原始含噪声的张量样本中精准地恢复出不含噪声的低秩特征张量；最后建立非线性直觉模糊支持张量机模型，用不含噪声的低秩特征张量取代原始张量进行内积，避免了多源监测信号结构信息和耦合信息的损失，同时增强了模型对噪声的鲁棒性，最终有效提升船舶柴油机故障的诊断性能。

关键词：噪声样本船舶柴油机支持张量机低秩多源鲁棒主成分分析传感器信号非线性形式隶属度函数模糊裁剪处理故障诊断监测信号结构信息诊断性能耦合结构耦合信息灰度化空间域鲁棒性模糊集频率域时间域切片堆叠构建内积前向重构图像挖掘缓解转化恢复

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：