版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、特征表示問題是機(jī)器學(xué)習(xí)領(lǐng)域的基本問題,作為一種特征表示方法,稀疏編碼可以對數(shù)據(jù)特征進(jìn)行有效表示。
現(xiàn)存的稀疏編碼方法一般采用L1范數(shù)約束編碼的稀疏性。但是,L1范數(shù)的微分性質(zhì)決定了基于L1范數(shù)的模型迭代優(yōu)化過程不能捕獲梯度方向上細(xì)粒度的參數(shù)值,進(jìn)而影響目標(biāo)函數(shù)的平滑性和穩(wěn)定性,最終影響編碼的表示能力,在分類應(yīng)用上,表現(xiàn)為基于該編碼的分類精度不高?;诔蛎婕s束的稀疏濾波方法使用先行后列的雙重約束,會導(dǎo)致誤差反向傳播到L1層之后
2、,繼續(xù)向前傳播需要進(jìn)行兩次微分,增加了一倍的計(jì)算量。另外,稀疏濾波方法采用的L1范數(shù)約束和其他所有使用L1范數(shù)約束的方法一樣,都會受制于該范數(shù)的微分特性。稀疏濾波方法本身已經(jīng)不是一種稀疏編碼方法,無法從編碼驗(yàn)證原始信號和編碼后的信號之間的差異。
在本文中,作者提出了G超球面約束稀疏編碼,G函數(shù)的梯度全局相關(guān)性能在迭代優(yōu)化過程中,迫使目標(biāo)函數(shù)在梯度方向細(xì)粒度變化。同時(shí),超球面的幾何特性保證了稀疏約束的局部性,可以抵消G函數(shù)的梯度
3、全局過相關(guān)而導(dǎo)致的負(fù)面影響。除此之外,作者證明了G函數(shù)與L1范數(shù),以及G函數(shù)與L無窮范數(shù)之間的緊密關(guān)系。通過分析G函數(shù)的Hessian矩陣正定性,保證了使用G函數(shù)約束的目標(biāo)函數(shù)的收斂性。作為探索性研究,作者分析了稀疏編碼與圖像信號的幅頻特征之間的密切關(guān)系,并定量分析了這種關(guān)系在不同圖像數(shù)據(jù)集上的圖像。實(shí)驗(yàn)表明,作者提出的G超球面約束稀疏編碼方法在圖像分類準(zhǔn)確率上的表現(xiàn)優(yōu)于使用L1范數(shù)約束的經(jīng)典稀疏編碼,同樣優(yōu)于基于超球面約束的稀疏濾波。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏編碼的圖像分類算法研究.pdf
- 基于Laplacian稀疏編碼的圖像分類研究.pdf
- 基于稀疏編碼的半監(jiān)督圖像分類研究.pdf
- 基于改進(jìn)的非負(fù)稀疏編碼圖像分類研究.pdf
- 基于多路分層稀疏編碼的遙感圖像場景分類.pdf
- 基于子空間學(xué)習(xí)和稀疏編碼的圖像分類算法研究.pdf
- 基于核拉普拉斯稀疏編碼的圖像分類.pdf
- 基于空間約束和稀疏編碼的高光譜圖像分類.pdf
- 基于組稀疏編碼的高光譜圖像空譜聯(lián)合分類方法.pdf
- 基于信息熵的稀疏概念編碼及其在圖像分類中的應(yīng)用.pdf
- 基于稀疏表示的圖像分類方法研究.pdf
- 基于稀疏Fisher矢量編碼的數(shù)據(jù)分類.pdf
- 基于稀疏編碼理論的自然圖像處理研究.pdf
- 基于稀疏表示的圖像目標(biāo)分類方法研究.pdf
- 基于稀疏編碼的極化SAR影像地物分類.pdf
- 融入直方圖相交核的局部稀疏編碼圖像分類算法研究.pdf
- 基于稀疏表達(dá)的高光譜圖像分類研究.pdf
- 基于稀疏分解的圖像壓縮編碼算法研究.pdf
- 基于低秩稀疏表征的圖像分類算法研究.pdf
- 基于Fisher矢量編碼與稀疏約束的數(shù)據(jù)分類.pdf
評論
0/150
提交評論