本文選題：特征選擇 + 共享特征子空間�。� 參考：《計算機工程與應用》2017年07期

【摘要】：多源適應學習是一種旨在提升目標學習性能的有效機器學習方法。針對多標簽視覺分類問題,基于現有的研究進展,研究提出一種新穎的聯合特征選擇和共享特征子空間學習的多源適應多標簽分類框架,在現有的圖Laplacian正則化半監(jiān)督學習范式中充分考慮目標視覺特征的優(yōu)化處理,多標簽相關信息在共享特征子空間的嵌入,以及多個相關領域的判別信息橋接利用等多個方面,并將其融為一個統(tǒng)一的學習模型,理論證明了其局部最優(yōu)解只需通過求解一個廣義特征分解問題便可分別獲得,并給出了算法實現及其收斂性定理。在兩個實際的多標簽視覺數據分類上分別進行深入實驗分析,證實了所提框架的魯棒有效性和優(yōu)于現有相關方法的分類性能。
[Abstract]:Multi source adaptive learning is an effective machine learning method to improve the performance of target learning. Aiming at the problem of multi label visual classification, based on the existing research progress, a novel multi-source adaptive multi label classification framework for joint feature selection and shared feature subspace learning is proposed. In the existing graph Laplacian regularization semi supervision The governor learning paradigm takes full consideration of the optimization of the visual features of the target, the embedding of the multi label related information in the shared feature subspace and the use of the discriminant information bridge in many related fields, and it is integrated into a unified learning model. The theory proves that the local optimal solution only needs to solve a generalized feature. The decomposition problem can be obtained separately, and the algorithm implementation and its convergence theorem are given. In the two actual multi label visual data classification, the in-depth experimental analysis is carried out respectively, which confirms the robust effectiveness of the proposed framework and the performance of the classification performance of the existing related methods.
【作者單位】： 諾丁漢大學計算機科學與工程學院;浙江大學寧波理工學院計算機與數據工程學院;
【基金】：浙江省自然科學基金(No.LY14F020009) 教育部人文社科基金(No.13YJAZH084) 寧波市自然科學基金(No.2013A610065)
【分類號】：TP391.41;TP181

【相似文獻】

相關期刊論文 前10條

1 劉本永,楊萬麟;噪聲中目標距離剖面像識別的修正特征子空間法[J];系統(tǒng)工程與電子技術;2000年03期

2 王曙光,何振亞;自適應特征子空間濾波器[J];通信學報;1992年02期

3 糾博;劉宏偉;何學輝;吳順君;;多特征子空間波形優(yōu)化設計方法[J];電子與信息學報;2009年12期

4 周法國;王映龍;楊炳儒;陳卓;;基于發(fā)現特征子空間模型的文本分類算法[J];計算機應用研究;2009年10期

5 劉更代;徐明亮;張明敏;;基于獨立時空特征空間的人體運動合成[J];計算機學報;2011年03期

6 歐陽繕;Noise Suppresion:A Subspace Method[J];桂林電子工業(yè)學院學報;1999年01期

7 張鴻;吳飛;;莊越挺;;基于特征子空間學習的跨媒體檢索方法[J];模式識別與人工智能;2008年06期

8 黎英云;馬洪;朱光喜;;基于特征子空間的快速多徑時延測量[J];微電子學與計算機;2010年02期

9 郭明,王樹青;基于特征子空間的系統(tǒng)性能監(jiān)控與工況識別[J];化工學報;2004年01期

10 吳剛;唐振民;楊靜宇;;融合李群理論與特征子空間基的圖像目標跟蹤[J];控制理論與應用;2012年10期

相關會議論文 前1條

1 范玉剛;張亞雄;吳建德;黃國勇;王曉東;;基于特征子空間的系統(tǒng)故障檢測與診斷[A];2013年中國智能自動化學術會議論文集（第四分冊）[C];2013年

相關碩士學位論文 前6條

1 閆治宇;基于PCA的小樣本與微小故障診斷方法研究[D];河南大學;2015年

2 孫鑫;特征子空間法人臉識別研究[D];電子科技大學;2005年

3 楊壘;基于FPGA的特征子空間目標識別法的關鍵技術研究[D];電子科技大學;2009年

4 熊軼;基于特征子空間的波達方向（DOA）估計算法研究[D];華中科技大學;2007年

5 張健;特征子空間雷達目標一維像識別方法的FPGA實現的關鍵技術研究[D];電子科技大學;2007年

6 蘇盈盈;基于特征子空間回歸的軟傳感器精簡化建模[D];重慶工學院;2008年

，

本文編號：1958349