检索结果-内蒙古大学图书馆

作者：何蕾合肥工业大学

学位级别：博士

超分辨率重建是数字图像处理领域中一个重要的研究方向,在许多实际应用中(如图像处理软件、医疗诊断、高清电视等)起着非常重要的作用。目前,很多研究学者针对不同的应用提出了大量的重建算法,均取得了一定的成果,但是各种问题与挑战仍... 详细信息

超分辨率重建是数字图像处理领域中一个重要的研究方向,在许多实际应用中(如图像处理软件、医疗诊断、高清电视等)起着非常重要的作用。目前,很多研究学者针对不同的应用提出了大量的重建算法,均取得了一定的成果,但是各种问题与挑战仍然存在,特别是针对图像的边界和纹理区域,很多现有的算法仍然不能很好的进行处理,而丰富的纹理细节和清晰的边界是我们重建的重要目标,因此,超分辨率重建问题仍然具有很强的挑战性。本文主要从连分式插值理论出发进行深入的研究和探讨,并将其灵活应用于超分辨率重建中。主要内容分为以下几个方面：1)提出了一种稀疏主成分分析和Newton-Thiele有理插值相结合的超分辨率重建方法,该方法是基于图像退化模型的分析而产生,其主要思想是先使用稀疏主成分分析进行去噪,然后采用连分式有理插值进行高采样处理。鉴于稀疏主成分分析可以更稀疏的提取信号的主成分,因而采用了稀疏主成分分析结合线性最小均方误差估计法来去除输入图像中的噪声。考虑到连分式这种非线性理论处理图像时可以较好的保持图像的纹理细节的特性,于是采用了Newton-Thiele有理插值用于对去噪后的图像进行高采样处理,最终得到超分辨率重建图像。2)提出了一种基于稀疏表达的极坐标下的Newton-Thiele有理插值核的超分辨率重建方法,为连分式有理插值在图像处理中的表示提供了新的思路。方法的核心思想是在不考虑噪声的情况下,使用极坐标下的Newton-Thiele有理插值对输入的图像进行放大,并结合中心稀疏表达方法实现该放大图像的精细处理,构建出了一个基于稀疏表达的极坐标下的Newton-Thiele有理插值核的重建框架。在使用插值技术进行放大处理时,该算法没有采用传统的矩形窗,而是采用了极坐标下的一个合适的插值窗口。在处理视频方面,该算法提出了一种极坐标下的连分式的视频表示方法,并结合该重建框架得到了视频超分辨率重建结果。3)提出了一种基于极坐标下的二元连分式插值的超分辨率重建方法。该算法的思想是先采用极坐标下的Newton-Thiele有理插值和极坐标下的Thiele-Newton有理插值对输入的图像进行放大,得到两个放大的图像,然后,将得到的放大图像进行分割,得到多个图像块,对每个图像块进行分析判断到底是纹理块还是平坦块,最后,对于不同的图像块分别赋予不同的加权系数后得到一个优化的图像块,并最终得到超分辨率结果。该算法是基于极坐标下的Newton-Thiele有理插值在放大图像时具有较好的保持图像纹理细节的特性,以此提出了另一种极坐标下的Thiele-Newton有理插值公式,在比较了直角坐标下的插值窗口和极坐标下的插值窗口后,选择了一个合适的插值窗口,并将其用于图像放大处理中。跟其他方法相比,本文所提出的这种重建算法更简单、有效与鲁棒。

关键词：连分式 Newton-Thiele有理插值 Thiele-Newton有理插值向量值连分式插值极坐标超分辨率重建稀疏表达稀疏主成分分析

来源：评论

学校读者我要写书评

暂无评论

蒙特卡洛方法及在一些统计模型中的应用

蒙特卡洛方法及在一些统计模型中的应用

引用

作者：邵伟山东大学

学位级别：博士

随着当代计算机技术的发展,蒙特卡洛方法(又称为统计模拟方法)已经成为人们解决复杂统计模型和高维问题的主要工具.特别是经过最近几十年的发展,蒙特卡洛方法已经极大地拓展了人们的科学视野,不管是从早期计算物理学的发展,还是到现代... 详细信息

随着当代计算机技术的发展,蒙特卡洛方法(又称为统计模拟方法)已经成为人们解决复杂统计模型和高维问题的主要工具.特别是经过最近几十年的发展,蒙特卡洛方法已经极大地拓展了人们的科学视野,不管是从早期计算物理学的发展,还是到现代的计算生物学,都使人们可以研究许多极其复杂的系统. 人们第一次系统的应用蒙特卡洛方法解决世纪科学问题是在二十世纪四十年代.由于世界上第一台可编程超级计算机就在这时候诞生,为了能够更好地利用这台电子计算机,一批物理学和统计学家(S. Ulam, J. von Neumann, N. Metropolis, E. Fermi等)发明了一种依赖统计抽样解决复杂问题的方法,并成功将其应用于原子弹设计和薛定谔方程特征根的数值计算. 二十世纪五十年代,一批统计物理学家(N. Metropolis. A. Rosenbluth, M. Rosen-bluth, A. Teller和E. Teller等)第一次引入了一种基于马尔科夫链的动态蒙特卡洛方法,随后被用来模拟一些复杂的物理系统,包括Ising模型spin glass模型等.这种马尔科夫链蒙特卡洛方法被称为Metropolis算法,它是也是第一个基于迭代模拟的抽样方法Hastings在1970年将其推广得到Metropolis-Hastings算法,这个算法形式及其简单.这里我们假设目标分布为π,初始值为X0,这个迭代算法从Xu到Xn+1的抽样包含如下两步：Step1.从一个任意给定的建议转移概率密度q(Xn,y)得到“建议抽样”***2.以概率接受“建议抽样”y.并设Xn+1=y：否则,以1-α的概率拒绝“建议抽样”y,并设Xn+1=Xn. 二十世纪八十年代,统计学家和计算机学家将蒙特卡洛方法应用于一系列实际应用模型,其中包括组和最优化问题(模拟退火算法[57;70]),非参数统计推断(jackknife和Bootstrap [24;17]),缺失数据下似然函数的计算(EM算法[19；99]和数据扩张算法[101；70；99]),统计遗产算法,贝叶斯建模和贝叶斯计算[100；99]等等,特别是进入二十世纪九十年代,蒙特卡洛方法在计算生物学中扮演了十分重要的角色.并成功解决了基元序列识别(sequence motif identification [70])问题和分析复杂谱系.如今,蒙特卡洛方法已经在生物学,化学,计算机科学,经济与金融,气象学,材料科学,物理学,统计学等等很多领域扮演重要角色,并被广泛应用.作为一种特殊的蒙特卡洛方法,马尔科夫链蒙特卡洛方法由于可以适用于一些更复杂的统计模型和一些更微观的分子模型,最近越来越受到统计学家的关注,并取得了长足发展. 马尔科夫链蒙特卡洛方法的最核心的步骤就是抽样,给定目标函数(通常这个目标函数非常复杂多峰甚至是高维目标分布),如何高效的从这个目标分布中抽样成为其它一切问题(例如,参数估计,积分,最优化问题)的关键步骤.随机游走Metropolis算法作为Metropolis-Hastings算法的一种特例,由于其简单明确的形式,被人们广泛应用于实际中.对于同样的目标分布π,随机游走Metropolis算法选择对称的建议分布(即Metropolis-Hastings算法中q(x,y)=q(y,x)),从而Metropolis比率α变为α(Xn,y)=min{1mπ(y)/π(Xn)}、虽然随机游走Metropolis算法从理论上可以对任意给定目标分布π进行抽样,甚至与目标分布维数无关,可是、算法本质上是一个局部更新算法(local update)对于实际应用中的大多数分布,它们都有着复杂的解析形式(多峰或者高维),从而导致了随机游走Metropolis算法极低的抽样效率,甚至在有限的迭代步数内达不到平稳分布.这就是蒙特卡洛抽样算法中所谓的“局部陷阱”(local-trap)问题.从而,设计一个好的马尔科夫链蒙特卡洛抽样方法,并克服“局部陷阱”问题,已经越来越引起人们的关注,并被认为是马尔科夫链蒙特卡洛方法的重要研究方向.最近几十年,为了克服“局部陷阱问题”,许多高级马尔科夫链蒙特卡洛抽样方法先后被人们提出,并在特定的情况下.有它们自己的优势.其中包括模拟回火(simulated tempering)[75;35;70]; Metropolis-Adjusted Langevin算法[91]；并行回火算法(parallel tempering)[36;70]自适应拒绝Metropolis算法(adaptive rejection metropolis sampling)[41;40];多测试点Metropolis算法(Multiple-Try Metropolis algorithm)[7

关键词：马尔科夫链蒙特卡洛 Metropolis-Hastings算法 B样条混合正态模型贝叶斯分析 Equi-Energy抽样投影深度模拟退火算法 Kendall'sτ和Spearman's ρ 稀疏主成分分析 LASSO 充分降维

来源：评论

学校读者我要写书评

暂无评论

面向大规模复杂数据的推荐系统中若干问题的研究

面向大规模复杂数据的推荐系统中若干问题的研究

引用

作者：胡志斌华南理工大学

学位级别：博士

目前,推荐系统已被广泛地应用到人们的日常生活当中,并在电子商务、社交网络、计算广告、智能医疗、智慧城市等领域取得了丰硕的成果。推荐系统旨在从大量信息中为用户快速地发掘潜在有用的少量信息,从而使用户避免陷入信息超载的问题,... 详细信息

目前,推荐系统已被广泛地应用到人们的日常生活当中,并在电子商务、社交网络、计算广告、智能医疗、智慧城市等领域取得了丰硕的成果。推荐系统旨在从大量信息中为用户快速地发掘潜在有用的少量信息,从而使用户避免陷入信息超载的问题,多年来受到学术界和工业界的广泛关注。然而,随着互联网的快速发展以及智能终端的日益普及,数据在数量、维度、形式、结构等方面发生了巨大的变化,产生了数据海量化、特征高维化、形式多模态化、结构复杂化的一系列挑战。伴随而来的是推荐模型存储开销、在线推荐计算开销、高维噪声数据预处理、异构模态数据推荐、复杂结构信息提取等问题。针对以上问题,本文对面向大规模复杂数据的推荐系统进行了深入的研究,分别提出了解决方案。本文的主要贡献总结如下:1)提出了一个离散化的因子分解机推荐模型。通过构造交叉熵目标函数的二次上界,并且引入离散约束,从而把潜在特征矩阵的优化问题转化为一系列二元二次规划问题,并且利用半正定松弛优化方法来学习哈希编码表示。实验结果表明,相对于实值表示的因子分解机模型,该模型能够在取得相近的推荐性能的同时显著地减少模型存储开销和加速推荐计算,从而有效地应对数据海量化和特征高维化所带来的模型存储开销与在线推荐计算开销问题。2)提出了一个基于Stiefel流形的稀疏主成分数据分析方法。通过将稀疏规则算子引入目标函数,并且提出了一种稳定交替方向乘子法在Stiefel流形上同时更新多个主成分,从而使得学习到的多个主成分在引入稀疏性的同时保持正交性质。同时,考虑在特征挑选时引入主成分之间的影响权重,进一步提出了一个二阶段稀疏主成分方法。实验结果表明,相对于现有方法,提出方法在提取的主成分质量、特征挑选以及计算效率上有显著的提升,从而有效地应对数据海量化和特征高维化所带来的数据降维、降噪的问题。3)提出了一个基于关系发现的跨模态图文检索推荐模型。该模型首先为图像和文本数据分别提取区域特征向量和单词特征向量表示,然后通过一个视觉语义关系网络来学习图片区域向量与文本词向量间潜在的对齐关系,最后通过一个双向注意力网络来推断图片与文本的匹配相似度。实验结果表明,相对于现有模型,该模型能够更好地捕捉到视觉语义对齐中的抽象概念,在跨模态数据检索推荐任务上有显著的提升,从而有效地应对形式多模态化所带来的异构模态数据的检索推荐问题。4)提出了一个基于图神经网络的推荐模型。该模型首先通过设计的图嵌入消息传播层来为每个用户和物品学习潜在嵌入向量,然后利用一个多层神经网络来为用户和物品的潜在嵌入向量进行交互建模。实验结果表明,相对于现有模型,该模型在推荐性能上有了显著的提升,同时也验证了模型设计的合理性。该模型通过直接将用户和物品的几何结构信息引入到潜在嵌入向量学习中,能够有效地挖掘复杂数据的潜在协同信息,从而提升推荐模型的性能。

关键词：推荐系统协同过滤因子分解机哈希技术稀疏主成分分析跨模态数据检索图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于GC-MS的浓香型白酒等级评判模型研究

引用

中国酿造 2021年第10期40卷 102-107页

作者：陈明举周迪王鸿熊兴中四川轻化工大学人工智能四川省重点实验室四川宜宾644000 四川轻化工大学自动化与信息工程学院四川宜宾644000

以不同等级的浓香型白酒为研究对象,利用气相色谱-质谱联用(GC-MS)技术建立浓香型白酒微量成分的指纹图谱,采用稀疏主成分分析(SPCA)提取GC-MS图谱前7个稀疏主成分构建白酒成分特性的综合指标,进而采用回归分析建立浓香型白酒质量评价... 详细信息

以不同等级的浓香型白酒为研究对象,利用气相色谱-质谱联用(GC-MS)技术建立浓香型白酒微量成分的指纹图谱,采用稀疏主成分分析(SPCA)提取GC-MS图谱前7个稀疏主成分构建白酒成分特性的综合指标,进而采用回归分析建立浓香型白酒质量评价的客观模型。验证实验结果表明,建立的白酒质量评价模型与感官评价的评分绝对误差<3,在实现特级、优级、一级、二级四个等级的评价中,正确率达到94%。研究表明,不同等级的白酒的GC-MS图谱的稀疏主成分存在较明显差异,该研究建立的白酒质量评价模型能有效地实现白酒等级的评判,为白酒质量控制及等级鉴定提供了一种客观方法。

关键词：气相色谱-质谱联用浓香型白酒稀疏主成分分析回归分析等级评判模型

来源：评论

学校读者我要写书评

暂无评论

基于特征选择的高维数据统计分析

基于特征选择的高维数据统计分析

引用

作者：苏锦霞兰州大学

学位级别：博士

高维数据降维问题一直是统计机器学习和数据分析的核心问题之一,有着广泛的应用基础。协变量(包括噪音变量、冗余变量)对数据的影响无处不在,尤其当协变量呈现高维形态,大部分变量的影响可以忽视时,此时变量选择显得尤为重要。本论文主... 详细信息

高维数据降维问题一直是统计机器学习和数据分析的核心问题之一,有着广泛的应用基础。协变量(包括噪音变量、冗余变量)对数据的影响无处不在,尤其当协变量呈现高维形态,大部分变量的影响可以忽视时,此时变量选择显得尤为重要。本论文主要考虑:(1)基于变量选择的应用于统计分类数据异常值的检测与识别;(2)数值型变量数据无监督学习聚类的变量选择;以及(3)(高维)协变量影响下Ⅱ-型逐阶删失数据的特征选择。异常值的存在使得分类器的制定变得更为复杂。论文第一部分探讨了在选择合适分类器之前,如何检测及识别异常值问题。通过综合复相关系数计算,特征变量选择降维和t-检验稀疏化方法以及基于标准互信息的降维方法,给出了一种异常值矩阵检测识别的新方法。数值分析以及低维鸢尾花数据、高维DBWORD E-mail数据的应用结果均表明该方法在识别异常值应用中有着良好的表现。在无监督学习聚类分析中,Rodriguez and Laio(2014)于SCIENCE上提出的关于快速寻找密度峰值进而聚类的算法(简称RL算法),此方法由于不需要迭代遍历所有数据点的优越性而被广泛关注。本论文将RL算法推广于数据流的应用分析中,同时研究了在高维数据中如何根据稀疏主成分降维简化数据结构,进而应用RL算法对高维数据进行有效聚类。模拟数据和实际Olivetti人脸识别数据聚类分析结果验证了算法的有效性。在生存分析参数模型中,参数估计为研究生存数据统计性质提供了依据。当协变量个数众多而部分协变量对生存寿命的影响可忽略不计时,寻找起主要作用的协变量,即进行特征选择降维以简化模型成为首要问题。论文探讨了在高维协变量下的Ⅱ-型逐阶删失数据的Lasso型部分似然函数的变量选择,并通过应用模拟数据、退伍军人管理局肺癌数据以及原发性胆汁性肝硬化数据验证了此结果的有效性。

关键词：高维数据稀疏主成分分析特征选择异常值检测聚类分析生存分析

来源：评论

学校读者我要写书评

暂无评论

一种基于信息保持的跨数据集图像分类方法

引用

计算机工程 2016年第4期42卷 255-258,265页

作者：朱广堂周向东复旦大学计算机科学技术学院上海200433

跨数据集图像分类是在图像分类应用中经常面临的问题。由于训练集数据与实际待分类(或测试)数据既有内在联系,又具有较大差异,导致常见分类器在跨数据集分类中的性能明显下降。为此,根据数据信息提出一种新的跨数据集图像分类方法。将... 详细信息

跨数据集图像分类是在图像分类应用中经常面临的问题。由于训练集数据与实际待分类(或测试)数据既有内在联系,又具有较大差异,导致常见分类器在跨数据集分类中的性能明显下降。为此,根据数据信息提出一种新的跨数据集图像分类方法。将主成分分析中特征信息保留的思想引入到基于L1特征选取的Logistic回归中,从而在选取图像特征时有效保持数据集中的高信息含量特征。实验结果表明,在多个常用跨数据集图像分类中,该方法能获得较好的图像分类效果。

关键词：图像分类跨数据集特征选择 Logistic回归稀疏主成分分析转换学习

来源：评论

学校读者我要写书评

暂无评论

长江经济带能源高质量发展的测度与聚类分析

引用

工业技术经济 2020年第10期39卷 116-124页

作者：周四军戴思琪湖南大学金融与统计学院长沙410079

根据我国经济高质量发展目标和长江经济带发展战略,本文构建长江经济带能源高质量发展综合评价指标体系,以2007~2018年长江经济带内11个省市为样本,通过稀疏主成分分析得到反映能源发展条件、能源-生产协调、能源清洁低碳的3个稀疏主成... 详细信息

根据我国经济高质量发展目标和长江经济带发展战略,本文构建长江经济带能源高质量发展综合评价指标体系,以2007~2018年长江经济带内11个省市为样本,通过稀疏主成分分析得到反映能源发展条件、能源-生产协调、能源清洁低碳的3个稀疏主成分,测算能源高质量发展指数,使用TOWA算子加权进行动态评价,并根据聚类分析进行地理分区。研究表明:长江经济带能源高质量发展逐年上升,但区域发展不均衡明显,呈“东北部高,西南部低”格局,上海能源高质量发展水平最高,江苏、浙江、重庆和四川能源高质量发展水平一般,湖南、江西、贵州和云南能源高质量发展水平较低。重庆和四川清洁低碳能源发展较高但能源发展条件较低,江苏和浙江清洁低碳能源发展程度较低。

关键词：长江经济带能源高质量发展稀疏主成分分析 TOWA算子聚类分析地区差异

来源：评论

学校读者我要写书评

暂无评论

具有信息复杂性的自适应多元时间序列建模及其在金融数据中的应用

具有信息复杂性的自适应多元时间序列建模及其在金融数据中的应用

引用

作者： Jana Salim 山东大学

学位级别：博士

VAR/VARX多元时间序列分析方法应用广泛,诸如应用于医药、金融、数据挖掘等领域。生产过程中同时多个变量发生的情况下会产生多元时间序列,因此不能仅仅分析单变量时间序列,需要同时分析多个变量之间的依赖关系。VARX模型允许存在内生... 详细信息

VAR/VARX多元时间序列分析方法应用广泛,诸如应用于医药、金融、数据挖掘等领域。生产过程中同时多个变量发生的情况下会产生多元时间序列,因此不能仅仅分析单变量时间序列,需要同时分析多个变量之间的依赖关系。VARX模型允许存在内生和外生变量,而VAR模型仅允许存在内生变量。VAR/VARX包含多个变量,这些变量通过普通最小二乘或广义最小二乘回归方法建模,或者通过弹性网、Lasso VAR或稀疏VAR模型等数据挖掘技术建立模型。建模出现饱和/非限制模型的成本较高,特别是相对于大样本外预测更加明显,因此在预测未来值时,由于使用了变量的所有过去值,因此从时间跨度到样本充足性方面均提出了很高的挑战。模型拟合错误会导致模型设定错误出现偏差,目前大多通过P值或信息准则进行模型选择。如果VAR模型添加的参数较少,可能会导致参数估计量有偏或者低估真实的数据;如果为了提高该模型解释数据的能力,在模型中添加过多的参数,那么信息标准值最终会降低,但方差进而会增加并且导致数据的过度拟合。因此信息准则对偏差和方差之间进行了平衡。Akaike信息准则已经被广泛使用,并且几乎被普遍认为是最佳模型选择标准。该准则基于两个重要组成部分,它们衡量拟合模型与原始数据之间的拟合偏差,并惩罚偏差以实现模型简化的原则,而不考虑添加更多参数所带来的复杂性问题。因此,为了解决这一信息准则的缺陷,学界引入了 Bozdogan的信息复杂性(ICOMP)准则,通过惩罚模型的复杂性而不是计算惩罚参数的数量,以降低过度拟合数据的风险来弥补Akaike信息准则的缺陷。Bozdogan通过推广van Emden(1971)的熵或基于互信息的协方差复杂性指数来推动复杂性的度量,通过增加缺少拟合项(或两次负对数似然)来惩罚对数似然函数,通过加上一个惩罚项,惩罚增加的自由参数的复杂性(Bozdogan,2000)。ICOMP加强了模型解释数据的能力和模型复杂性之间的权衡,即模型拟合偏误和模型复杂性之间进行权衡,拟合偏差随着VAR/VARX的变量数增加而减少。但另一方面,模型的复杂性增加,因此应该在减少基础数据过度拟合的准则中添加复杂度的惩罚项。饱和VAR/VARX导致严重的过度参数化,因此变量选择长期以来一直是高维模型中的一个棘手问题,因为降维主要目标是在最大信息中找到最佳相关变量子集,以在多变量时间序列预测中获得高精度。伴随可变子集选择的不同模型评估技术已被广泛用于从VAR/VARX模型中检测和去除冗余不必要变量,因此在竞争模型组合中选择最合适的近似子集模型是主要方法。假设存在d个变量,那么应该估计2d(dk+1)个VAR模型对应不同的变量组合和截距,其中d是变量的数量,p是潜在的VAR模型的滞后数。因此选择最优的模型通过以最简单的方式解释数据并消除所有不必要的变量是主要目标之一,因为这些冗余变量会将噪声添加到其他重要的必要变量并降低自由度。模型评估标准是竞争模型的品质因数或绩效衡量标准。如果我们打算在可变子集选择之前继续拟合整个不受限制的VAR模型,那么估计2d(dk+1)会消耗大量的资源,从而消除“维度的诅咒”。针对以上问题,本文应用一种混合自适应多变量序列模型,该模型规避了向量自回归模型(VAR)的一些缺陷,基于稀疏主成分分析和多元最小二乘回归的数据处理方法,解决了模型内生性和非线性的情况,使用Coupla概率主成分分析方法进行降维。论文在不同的协方差结构下进行蒙特卡洛模拟,分析不同信息准则选择模型的有效性;运用信息理论复杂性度量(ICOMP)准则、稀疏主成分分析法以及在高斯误差分布下的多元正态回归模型构建智能的统计建模程序,建立了方便使用的三维混合方法。第一章是导言。介绍论文的研究背景和意义,研究框架和方法,文章的创新点和文献综述。第二章研究了多元高斯向量自回归(VAR)模型具有多种协方差结构情况下信息选择准则的有效性。考虑了模型误差项方差具有异质性和相关性结构,选择真实VAR模型中的滞后数。第二章进行了大量的蒙特卡罗模拟,研究估计逆Fisher信息矩阵(IFIM)的Akaike信息准则(AIC),Schwarz的贝叶斯准则(SBC)、Bozdogan的熵方法和ICOMP方法在不同情景和不同样本量下模型选择情况。结果显示了 ICOMP准则比其他传统信息准则对高维时间序列数据更加有效。此外,第二章提供了一个使用多元时间序列的实证例子,该研究使用VAR模型考虑了国内生产总值与货币供应量和国库券(三个月T-bill率)所显示的货币政策变量之间的相互依赖关系。它显示实际GDP和M1增加导致利率略有下降,货币供应量与以GDP衡量的经济增长之间存在显着的长期关系。并且在计算脉冲响应函数(IRF)和预测误差方差分解(FEVD)之后,从而可以注意到本文所使用的VAR模型是稳定的。第二个实证例子使用了

关键词： VAR模型 VARX模型信息复杂性稀疏主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于自适应多图学习的高光谱图像无监督波段选择方法研究

基于自适应多图学习的高光谱图像无监督波段选择方法研究

引用

作者：张文显西北农林科技大学

学位级别：硕士

高光谱波段选择是高光谱图像处理领域中的一个重要研究方向,它可以有效地降低高光谱图像的数据量,同时保留其主要信息,有助于高光谱图像的后续应用任务。高光谱图像包含了丰富的光谱信息和空间信息,但在以往的大多数研究工作中,往往只... 详细信息

高光谱波段选择是高光谱图像处理领域中的一个重要研究方向,它可以有效地降低高光谱图像的数据量,同时保留其主要信息,有助于高光谱图像的后续应用任务。高光谱图像包含了丰富的光谱信息和空间信息,但在以往的大多数研究工作中,往往只利用了图像的光谱信息来选择波段,比如依据波段中的信息量对其进行排序、利用聚类算法对波段进行聚类等,而很少有研究在波段选择的过程中考虑了图像中的空间信息,因此它们没有完全利用高光谱图像中的信息。图是一种常用的描述空间信息的数据结构,但在传统的图学习方法中图的构造方式单一,而且构建的图没有嵌入到学习过程中。为此,本文对基于自适应多图学习的高光谱图像无监督波段选择方法进行了深入研究,先后以低维子空间投影和谱聚类为理论依据,以结合自适应多图学习与稀疏主成分分析、局部流形保持、超像素分割技术为具体手段,设计并提出了两种有效的、高效的高光谱波段选择方法,在所选波段的分类性能、算法运行效率等方面取得了优异的表现。本文的主要研究内容可以总结如下:（1）根据低维子空间投影思想,提出了一种基于稀疏主成分分析及自适应多图学习的波段选择方法。本方法假设存在一个低维正交子空间,使得原始高光谱图像数据可以通过一个投影矩阵映射到该子空间,而该投影矩阵也揭示了每个原始波段在构建低维特征时的重要性。本方法通过一个具有2,1稀疏正则化约束的稀疏主成分分析项来学习最优的投影矩阵。为了保持低维数据的局部近邻结构,本方法提出了一个局部流形保持约束项来实现这个目标,并提出一个自适应多图学习策略在波段选择过程中不断优化相似度矩阵来提升局部流形保持约束的作用。最后,在两个常用的高光谱图像数据集上对本方法所选波段的性能以及算法运行效率进行了验证。（2）根据谱聚类思想,提出了一种基于超像素分割与多图融合的波段选择方法。考虑到高光谱图像中不同物体具有不同的反射特征,本方法提出利用超像素分割算法来探究不同区域的空间信息。首先利用超像素分割算法将高光谱图像分割为多个超像素区域,然后在每个超像素区域上构建波段间的相似度图,接着通过自适应多图学习策略将这些相似度图融合为一个更加完整准确的波段间相似度图,最终在该相似度图上利用谱聚类算法选择最佳的目标波段子集。最后,在两个常用的高光谱图像数据集上对本方法所选波段的性能以及算法运行效率进行了验证。

关键词：高光谱图像波段选择自适应多图学习稀疏主成分分析局部流形保持超像素分割

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的目标检测与识别研究

基于深度学习的目标检测与识别研究

引用

作者：张鹏飞东北大学

学位级别：硕士

随着人工智能领域和计算机视觉领域的研究发展,目标检测识别技术越来越多的应用到人们的日常生活当中。其中,关于行人与车辆的检测识别应用最为广泛,但是传统的检测识别方法不仅很难提供可信度较高的检测率,而且计算速度很慢,限制了目... 详细信息

随着人工智能领域和计算机视觉领域的研究发展,目标检测识别技术越来越多的应用到人们的日常生活当中。其中,关于行人与车辆的检测识别应用最为广泛,但是传统的检测识别方法不仅很难提供可信度较高的检测率,而且计算速度很慢,限制了目标检测识别技术的进一步应用。目前对深度学习,尤其是对卷积神经网络的研究正在逐渐改变这种境况。因此针对行人和车辆目标的检测识别问题,研究基于深度学习的解决方案,具有很强的学术价值。在目标检测任务中,很重要的一个环节是目标窗口生成算法。本文在Faster R-CNN的理论基础,使用卷积神经网络的中间特征图来产生候选窗口。为了解决待检测目标尺度变化较大的问题,并降低漏检率,本文在分析网络中间卷积特征图的特点基础之上,提出了多RPN层融合策略,在不同卷积特征图上生成候选目标窗口,增强了对各尺度目标的检测能力。其次,针对目标位置预测问题,提出了对数抑制方法,改进了目标位置回归算法,既避免了误差过大产生的震荡问题,又加快了目标函数在最优解附近的收敛速度。针对卷积神经网络容易出现的过拟合问题,介绍和分析了深度神经网络避免过拟合的方法,包括Dropout层的引入,以及目标函数中正则化项的作用。通过对卷积神经网络中参数的分布情况,提出了对全连接层实施降维的方法。分析了全连接层的数据特点,给出使用稀疏主成分分析算法的合理性,并通过实验对比数据,证明了该算法的有效性。在网络训练阶段,分析对比了网络中参数初始化方法,并对其性能做出对比评价。通过对梯度下降法求解参数原理的分析,并结合实验测试,阐明了参数向最优解收敛的动态过程,给出了学习率等变量调节方法。最后,本文对所开展的研究工作进行了总结,并展望了下一步的研究工作。

关键词：卷积神经网络目标检测目标识别稀疏主成分分析

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：