基于多核映射的圖像特征提取算法.pdf

1、圖像的特征提取是數(shù)字圖像分類、識別、檢測等機器學習和模式識別任務的主要問題。經典的線性特征提取方法已經越來越難以滿足當今更為復雜和嚴格的任務要求,基于核學習方法的特征提取方法通過隱性映射非線性空間,是如今得到廣泛使用和快速發(fā)展的特征提取方法。但基于單核的經典特征提取方法由于受到包含異構信息的數(shù)據源,以及描述特征類別數(shù)的限制,處理復雜和高精度要求的圖像分類識別等任務的應用效果將會受到影響。針對上述問題,本文研究基于多核學習方法的圖像特征提

2、取,旨在解決傳統(tǒng)單核學習面臨的上述諸多問題,提高圖像特征提取系統(tǒng)性能。全文主要工作如下:
　　在技術體系方面,本文研究了基于多核映射的圖像特征提取架構,以及應用該架構的圖像分類算法,深入探討了影響多核學習效果的關鍵因素,詳細介紹了基于圖嵌入的特征提取架構,并研究了將多核映射和圖嵌入結合的特征提取方法,利用圖嵌入方法對于經典特征提取方法良好的歸納特性,成功擴展出基于多核的線性判別分析和線性判別嵌入兩種特征提取方法。
　　在方法

3、研究方面,為了進一步提升基于多核映射的特征提取算法的應用效果,本文針對包括基本核函數(shù)參數(shù),多核函數(shù)權重參數(shù),多核函數(shù)組合形式等在內的影響該算法效果的多個參數(shù)進行了深入研究,分別對這些參數(shù)進行優(yōu)化設計,并將各項優(yōu)化方法進行結合使用,使得基于多核映射的特征提取方法的應用效果進一步提升。
　　在實驗驗證方面,為將本文研究的基于多核映射的特征提取方法和經典的特征提取方法進行實驗對比,本文分別應用基于多核和單核的圖嵌入特征提取架構開發(fā)了相應