模式识别中核方法若干问题研究(可复制论文).pdf

摘要然以样本观测数目无穷多为前提来推演各种算法,这不能不说是一个缺陷,它第二,虵如橇街殖S玫娜肆呈侗鹚惴ǎ潜局噬鲜窍氏距离更能准确揭示数据间的相似性,将惴ㄍ乒愕嚼貌獾叵呔嗬虢数据降维,并把这一方法扩展到核函数特征空间。在多个降维后的人脸识别实核方法是新近发展起来的一种模式识别方法,它的理论基础来自于统计学习理论。统计学在解决模式识别问题中发挥了基础的作用,但是传统的统计学所取得的成果大多建立在渐近理论之上,即样本观测数量趋于无穷多的时候的统计性质。这个条件在现实中是比较苛刻的,也是难以满足的。虽然如此,传统上仍也是造成神经网络等算法中的过学习问题的原因之一。相比之下,统计学习理论的出发点就是研究有限样本观测情形下的模式识别问题,经过几十年的发展,它已经具备完备的理论基础和严格的理论体系。统计学习理论已经成为机器学习的一个重要的研究方向。本文主要讨论模式分类与聚类中的核方法,以及其它相关的理论和应用的关键问题。初步取得的研究成果和创新有:第一,经典的核函数作用在欧氏空间的向量上,作者从空间旋转的角度,提出了把核函数的作用域扩展到向量集合之上的方法,使之能够胜任需要表示和处理更复杂的数据对象的机器学习任务。与类似的工作相比,它不需要预先假定数据服从某个概率分布,也不需要利用数值方法计算复杂的积分。在人脸识别的实验中,本方法比类似的工作达到了更低的误识率。性的,且着重发掘和利用映像空间的全局结构。对于非线性结构,它们无能为力。本文讨论了局部空间结构对人脸识别的意义,我们认为局部空间结构可以用线性或近似线性的方法学习和表示,并且可以通过对局部结构的逐段线性化,来学习和表示全局的非线性结构。结合惴ǎ岢隽死弥鸲蜗咝曰和表示局部结构的核方法。在人脸识别的实验中,它比和表现出更好的识别能力。第三,惴ㄊ且恢质萁滴褪菘墒踊椒ǎ腔谄淄祭砺鄣摹由于谱图理论与微分流形具有密切的关系,且对于流形来说,测地线距离比欧验中,它比惴ㄈ〉昧烁玫男阅堋第四,尽管有众多的核函数可供利用,但是如何为特定的机器学习任务选择合适的核函数,是核方法的理论研究中一个具有挑战性和开放性问题。从流形
知识水坝***@pologoogle为您整理
学习和保形映射的角度,利用核函数特征空间中的流形学习算法,提出了一种试探性解决方法。与作者类似的工作是针对某一个核函数进行调整和选择来提本文以构造新的核函数为主要研究方向,对于核方法在实际应用中的问题,如支持向量的选取、如何提高训练速度、减少噪音对支持向量选择的影响,则关键词:模式识别;核方法;核函数;统计学习理论;分类;聚类;谱图理论;局部近邻关系;空间旋转;保密多方计算:不经意传输协议高分类性能,而这里则从整体的角度对核函数进行选择。第五,随着以科学研究为目的的合作进行模式识别的任务越来越广泛,嚏口何保护合作双方的数据库安全的问题日益突出。提出了核函数的保密多方计算的问题,并将它转化为向量内积的保密多方计算问题,利用不经意传输协议,提出了一种解决方法。与已有的方法相比,它计算复杂度低,且通信负载大幅度降低。讨论不足,这将在以后的研究工作中予以关注。
知识水坝***@pologoogle为您整理
蛐缸磎,№Ⅳ’,培猠血颽恤,,琻也,,,琲在..裺.,.【產、
∞堡苎望型主鳖查望董王塑壁堑塞蟜肛鷈;鹏痮,辌谢锄叻时,廿戚蚰州衪曲淹皊曲鷒琩】鷌州琲S璵锄蚽籹况緇印籰舳】幽订,让籩,福琲衧衜禼縤恤礶甌猵鷖鄊.;顃;越縞;辝;￡琯畍廿￡..鉳盯咛.∞.—丘瑆籥饴瓹籵縮
铲型兰:杭本人签名:盈阒本人签名:迈渔至保密论文注释:本学位论文属于保密在一年解密后适用本授权独创性虼葱滦声明本人声明所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得北京邮电大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。申请学位论文与资料若有不实之处,本人承担一切相关责任。日期:关于论文使用授权的说明学位论文作者完全了解北京邮电大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属北京邮电大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许学位论文被查阅和借阅;学校可以公布学位论文的全部或部分内容,可以允许采用影印、缩印或其它复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笞袷卮斯娑书。非保密论文注释:本学位论文不属于保密范围,适用本授权书。导师签名: