多視圖特征學(xué)習(xí)方法研究.pdf

1、多視圖數(shù)據(jù)從多個(gè)角度刻畫(huà)同一物體，包含了比傳統(tǒng)的單視圖數(shù)據(jù)更加豐富的分類(lèi)識(shí)別信息，因此近年來(lái)多視圖學(xué)習(xí)技術(shù)成為了一個(gè)研究熱點(diǎn)。不同視圖數(shù)據(jù)往往存在一定的信息冗余，如何充分地從多視圖數(shù)據(jù)中提取有用特征并且消除冗余是多視圖學(xué)習(xí)技術(shù)的關(guān)鍵問(wèn)題。針對(duì)該問(wèn)題，本文對(duì)多視圖學(xué)習(xí)技術(shù)進(jìn)行了系統(tǒng)的研究，主要研究成果總結(jié)如下：
　　一、提出了兩個(gè)多視圖鑒別分析方法，即組遞歸鑒別子空間學(xué)習(xí)（GRDSL）和不相關(guān)局部敏感多視圖鑒別分析（ULSMDA）。

2、GRDSL在數(shù)據(jù)層融合多視圖數(shù)據(jù)，使用遞歸學(xué)習(xí)的方式將樣本集分解成多個(gè)近似集和相應(yīng)的差分集，并在每次遞歸的差分集中學(xué)習(xí)一個(gè)鑒別變換。GRDSL設(shè)計(jì)了遞歸終止準(zhǔn)則以及投影向量選擇規(guī)則，并能在理論上保證多個(gè)鑒別變換的正交性。通過(guò)自適應(yīng)的遞歸學(xué)習(xí)過(guò)程，GRDSL可以從多視圖數(shù)據(jù)中有效地學(xué)得充足的有用特征。ULSMDA聯(lián)合學(xué)習(xí)了多個(gè)視圖特定的投影變換，使得在投影空間中，原始近鄰的同類(lèi)樣本相互聚集，而原始近鄰的異類(lèi)樣本相互排斥。ULSMDA考慮了

3、跨視圖數(shù)據(jù)的一致性，并設(shè)計(jì)了不相關(guān)約束，用于減少變換間的冗余。ULSMDA充分地使用了多視圖數(shù)據(jù)的局部結(jié)構(gòu)信息用于不相關(guān)鑒別特征的學(xué)習(xí)。四個(gè)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明了這兩個(gè)方法的有效性。
　　二、提出了三個(gè)多視圖字典學(xué)習(xí)方法，即不相關(guān)多視圖鑒別字典學(xué)習(xí)（UMD2L）、多視圖低秩字典學(xué)習(xí)（MLDL）和多視圖低秩共享結(jié)構(gòu)化字典學(xué)習(xí)（MLS2DL）。通過(guò)使得字典原子與類(lèi)別標(biāo)記相對(duì)應(yīng)，UMD2L從多視圖數(shù)據(jù)中聯(lián)合地學(xué)習(xí)多個(gè)結(jié)構(gòu)化字典。UMD

4、2L設(shè)計(jì)了不相關(guān)約束用于減少不同視圖字典間的冗余。從增強(qiáng)字典鑒別能力以及消除冗余這兩方面出發(fā)，UMD2L提升了多視圖字典學(xué)習(xí)技術(shù)有用特征學(xué)習(xí)的能力。MLDL將低秩學(xué)習(xí)技術(shù)引入到多視圖學(xué)習(xí)技術(shù)中，運(yùn)用低秩矩陣恢復(fù)理論來(lái)解決噪聲存在情況下的多視圖字典學(xué)習(xí)問(wèn)題。MLDL設(shè)計(jì)了結(jié)構(gòu)化不相關(guān)約束，并為多視圖字典學(xué)習(xí)技術(shù)提供了高效的基于聯(lián)合表示的分類(lèi)機(jī)制。MLDL為多視圖字典學(xué)習(xí)技術(shù)提供了在噪聲影響情況下充分學(xué)習(xí)有用特征的方案。MLS2DL關(guān)注視圖

5、間共享信息的挖掘，提出在學(xué)習(xí)多個(gè)視圖特定的低秩結(jié)構(gòu)化字典的同時(shí)對(duì)視圖共享低秩結(jié)構(gòu)化字典進(jìn)行學(xué)習(xí)。MLS2DL為多視圖字典學(xué)習(xí)技術(shù)提供了在消除視圖間冗余信息的同時(shí)有效利用多視圖有利相關(guān)性的方案。實(shí)驗(yàn)證明了相比于代表性的多視圖子空間學(xué)習(xí)方法和多視圖字典學(xué)習(xí)方法以及提出的GRDSL和ULSMDA方法，這三個(gè)方法可以獲得更優(yōu)的分類(lèi)效果。
　　三、提出了一個(gè)半監(jiān)督多視圖鑒別分析方法，即不相關(guān)半監(jiān)督視圖內(nèi)和視圖間流形鑒別學(xué)習(xí)（USI2MD）。