面向图的无监督与有监督的类分布学习及实验研究

面向图的无监督与有监督的类分布学习及实验研究

论文摘要

图是表示一些事物或者状态关系的表达方法。由于许多问题都可以归并为图的问题,因此出现了很多与图相关的算法。图论算法为很多问题都提供了有效,简单,且系统的建模方式。图论模型可以利用矩阵描述并通过线性代数及矩阵理论知识来分析和求解,其表达形式简洁但富有概括力,同时便于进行深入理论分析。很多问题都可以转化为图论问题,然后用图论的基本算法加以解决。其在机器学习的无监督聚类及有监督的类分布学习等方面中得到了广泛应用。本文的具体工作内容如下:基于图松弛优化为非近似迭代方法提供了有效的分析解决方案,且实现简单。然而,由于矩阵的逆在计算时需要多项式时间,则在运行速度方面不是很理想,当面对较大规模数据时此方法将变得不可行。在本文中,我们提出了对基于图松弛优化聚类进行快速近似提升的两种方法:一个基于k均值聚类,另一个是基于随机投影树。广泛实验表明,这些算法在运算速度方面表现较优,且聚类精度变化非常小。具体来讲,我们的算法在运算大规模数据时精度优于k均值算法,并且在保证精度的情况下运行速度远快于基于图松弛优化聚类算法。值得注意的是,文中的算法可以使得单个机器在数分钟内对具有数百万样本量的数据集进行聚类。现有的大多数面部表情识别方法都是假定样本中每个人脸表情对应单一的情绪,而后作为分类问题进行解决。但是在实际情况中,一个人脸表情往往是多种不同基础情绪的混合体。因此,具有相似表情的样本在基础情绪层面存在一定的相关性,这种相关性也通常会导致样本的表情标签呈现多样性。也就是说,每个表情样本的表情状况与潜在的情绪标签分布相关联。为此,我们提出了一种通过数据进行自适应学习潜在标签分布的方法,不需要任何预先假设的标签分布形式,便可得到每个表情与其相应的多个情绪的关联情况。此方法可得到每个表情所包含情绪的特定描述度以及表情图像到情绪分布的映射。实验结果表明,文章算法在表情识别上具有较高准确率,并且能够有效地分析出人脸表情中所包含的基础情绪的强度。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  •   1.1 引言
  •   1.2 图论相关介绍
  •     1.2.1 图论的历史及发展
  •     1.2.2 图论基础知识
  •   1.3 图论算法
  •     1.3.1 最短路径算法
  •     1.3.2 最小生成树算法
  •     1.3.3 图论算法应用
  •   1.4 本文主要研究内容及章节安排
  • 第二章 无监督学习和类标签分布理论研究
  •   2.1 无监督聚类
  •     2.1.1 聚类相关介绍
  •     2.1.2 GRC算法
  •     2.1.3 稀疏子空间聚类
  •   2.2 有监督学习的类标签分布
  •   2.3 本章小结
  • 第三章 图松弛优化聚类的快速近似提升方法
  •   3.1 引言
  •   3.2 相关准备
  •     3.2.1 GRC算法
  •     3.2.2 快速近似方面介绍
  •   3.3 GRC算法的快速近似改进
  •     3.3.1 k-means对 GRC算法的快速提升
  •     3.3.2 RPTree对 GRC算法的快速提升
  •   3.4 实验分析
  •     3.4.1 实验平台及数据集
  •     3.4.2 速度提升实验
  •     3.4.3 百万级数据可行性实验
  •   3.5 结束语
  • 第四章 基于数据驱动的标签分布方法的面部表情分析
  •   4.1 引言
  •   4.2 相关工作
  •     4.2.1 表情情绪分析
  •     4.2.2 子空间聚类
  •   4.3 D2ELDM算法框架
  •     4.3.1 通过公式对问题进行定义
  •     4.3.2 算法过程
  •     4.3.3 对测试集中人脸表情进行分析
  •   4.4实验
  •     4.4.1 实验环境
  •     4.4.2 数据库及处理
  •     4.4.3 参数设置
  •     4.4.4 算法实验结果
  •   4.5 结束语
  • 主要结论与展望
  •   主要结论
  •   展望
  • 致谢
  • 参考文献
  • 附录:作者在攻读硕士学位期间发表的论文
  • 文章来源

    类型: 硕士论文

    作者: 谢磊

    导师: 王士同

    关键词: 基于图松弛优化聚类,高维数据,快速近似,标签分布,子空间学习

    来源: 江南大学

    年度: 2019

    分类: 基础科学,信息科技

    专业: 数学,自动化技术

    单位: 江南大学

    分类号: TP181;O157.5

    总页数: 63

    文件大小: 4514K

    下载量: 32

    相关论文文献

    • [1].高职图论课程教学探索[J]. 四川工程职业技术学院学报 2013(02)
    • [2].基于数学建模的图论课程探究[J]. 梧州学院学报 2019(06)
    • [3].化学图论与极值图论中的代数方法[J]. 安徽大学学报(自然科学版) 2018(01)
    • [4].浅谈数学竞赛中的图论问题[J]. 课程教育研究 2017(07)
    • [5].如何更好的做好图论教学[J]. 课程教育研究 2014(09)
    • [6].反证法及其在图论中的应用[J]. 时代教育 2017(04)
    • [7].图论在快递网点优化设计中的应用[J]. 环球市场信息导报 2017(01)
    • [8].图论中闭环问题的研究[J]. 计算机科学 2017(S1)
    • [9].基于图论的三维可视性分析及其应用[J]. 时代建筑 2017(05)
    • [10].图论在初中数学教学中的应用[J]. 山西教育(教学) 2015(01)
    • [11].图论与近世代数在高等代数解题中的应用[J]. 潍坊学院学报 2013(02)
    • [12].数学归纳法在图论题解中的典型应用[J]. 成都师范学院学报 2017(09)
    • [13].高校数学建模竞赛中图论的应用[J]. 技术与市场 2015(12)
    • [14].改进导入方式,提高图论教学效果[J]. 福建电脑 2013(12)
    • [15].《化学图论及应用》开栏语[J]. 昆明学院学报 2018(03)
    • [16].图论教学中学生创新思维培养的探索与实践[J]. 高师理科学刊 2018(08)
    • [17].图论及其应用课程教学的思考与探索[J]. 现代职业教育 2019(19)
    • [18].图论课程教学改革的探索与实践[J]. 中国科教创新导刊 2010(26)
    • [19].数学建模在《图论》教学中的作用[J]. 教育教学论坛 2013(37)
    • [20].图论中若干基本概念的历史注记[J]. 数学的实践与认识 2011(21)
    • [21].论“图论”教学中的创新性引导[J]. 合肥学院学报(综合版) 2016(04)
    • [22].基于建模驱动的经管类专业图论教学探究[J]. 阜阳师范学院学报(自然科学版) 2015(02)
    • [23].图论在数学竞赛中的应用[J]. 科技视界 2012(03)
    • [24].图论在数学竞赛中的应用[J]. 科技信息 2012(03)
    • [25].谈图论中数学归纳法的妙用[J]. 邢台学院学报 2011(02)
    • [26].关于连通在图论与拓扑学中的关系研究[J]. 甘肃联合大学学报(自然科学版) 2009(05)
    • [27].彩色图像色度距离权值的图论分割算法[J]. 中国图象图形学报 2011(02)
    • [28].基于两维图论聚类的区域物流产业竞争优势研究[J]. 南阳理工学院学报 2011(02)
    • [29].简单图的子图及其性质研究[J]. 镇江高专学报 2015(03)
    • [30].第五届图论与组合算法国际研讨会在我校召开[J]. 内蒙古民族大学学报(自然科学版) 2013(05)

    标签:;  ;  ;  ;  ;  

    面向图的无监督与有监督的类分布学习及实验研究
    下载Doc文档

    猜你喜欢