基于核的联想记忆及聚类算法的研究与应用

论文题目: 基于核的联想记忆及聚类算法的研究与应用

论文类型: 博士论文

论文专业: 计算机应用技术

作者: 张道强

导师: 陈松灿

关键词: 核方法,支持向量机,联想记忆,无监督聚类,鲁棒性,图像压缩,人脸识别,医学图像分割

文献来源: 南京航空航天大学

发表年度: 2005

论文摘要: 目前,支持向量机算法(SVMs)在模式识别、图像处理以及生物信息学等很多领域中都已经获得了非常成功的应用。伴随着 SVMs 在应用上的巨大成功,近年来在机器学习领域又逐渐掀起了一场继上世纪末神经网络之后的新的研究热潮,称之为基于核的学习理论及算法研究。基于核的学习算法及其应用是当今机器学习研究的热点和主流之一。 现有的大多数基于核的学习算法是对有监督的学习如分类的研究;本文则针对机器学习中另外两个重要的研究领域:联想记忆与无监督聚类,构建了核框架下的离散联想记忆模型与核聚类算法,并且把上述模型和算法分别应用于图像压缩、人脸识别以及医学图像分割。本文的创造性研究成果主要有: (1)提出了核框架下的一般离散联想记忆模型。具体包括:将一类二值联想记忆模型统一至基于核的二值联想记忆框架之中;将一类多值联想记忆模型统一至基于核的多值联想记忆框架之中。通过定义相应的能量函数,讨论了上述核联想记忆模型的稳定性条件。最后以多值核联想记忆模型为例,通过模拟实验比较了其在不同核函数下的存储容量和纠错性能。 (2)提出了两种基于核联想记忆的图像压缩算法。第一种算法基于二值核联想记忆模型,第二种算法则基于多值核联想记忆模型。实验结果表明,第一种算法的压缩比尽管不高,但能实现图像的渐进压缩和传输;第二种算法不仅在无噪声情况下具有与矢量量化算法(VQ)相近的压缩性能,而且在双重(信道和图像)噪声环境下则具有相对显著的噪声抑制效果。 (3)提出了一种基于核联想记忆的鲁棒人脸识别算法。在部分 FERET 人脸图像库上的实验结果表明,该算法在对人脸图像添加随机噪声、随机丢块以及部分遮挡后,仍能够维持较高的识别率。 (4)提出了多种核聚类算法,包括特征空间中的模糊核聚类算法 KFCM-Ⅰ和输入空间中的模糊核聚类算法 KFCM-Ⅱ、可能性核聚类算法 KPCM 及联机的核聚类算法 ROC。在人工和 Benchmark 数据集上的结果显示,所提出的核聚类算法是鲁棒的,适合对不完整或缺失数据、包含噪声和野值数据的聚类。

论文目录:

摘要

Abstract

目录

第一章 绪论

1.1 引言

1.1.1 学习的定义

1.1.2 三种学习方式

1.1.3 学习问题研究的四个阶段

1.2 基于核的学习

1.2.1 核方法的实质

1.2.2 典型的基于核的学习算法

1.2.3 核学习算法的应用

1.3 本文的主要研究工作

1.4 本文的内容安排

第二章 核的理论基础

2.1 引言

2.2 特征空间及核的定义

2.3 再生核理论及Mercer 定理

2.4 常用的核函数及其构造

2.5 本章小节

第三章 核框架下的联想记忆模型

3.1 引言

3.2 联想记忆模型的分类及研究现状

3.2.1 联想记忆模型的分类

3.2.2 演化式联想记忆的研究现状

3.3 一般二值联想记忆模型GBAM

3.3.1 GBAM 的结构与回忆规则

3.3.2 能量函数与稳定性分析

3.4 一般多值联想记忆模型GMBAM

3.4.1 GMBAM 的结构与回忆规则

3.4.2 GMBAM 的稳定性分析

3.5 模拟实验结果

3.5.1 几种无内连接的多值BAM 模型及其性能比较

3.5.2 加权内连接多值指数BAM

3.6 本章小节

第四章 核联想记忆模型在图像压缩与人脸识别中的应用

4.1 引言

4.2 基于二值核联想记忆模型的渐进图像压缩算法

4.2.1 算法的框图

4.2.2 实验结果

4.3 基于多值核联想记忆模型的图像压缩算法

4.3.1 多值核AM 图像压缩算法描述

4.3.2 实验结果

4.4 基于核联想记忆模型的鲁棒人脸识别

4.4.1 识别算法及FERET 人脸库介绍

4.4.2 实验结果

4.5 本章小节

第五章 核聚类算法

5.1 引言

5.2 两种模糊核聚类算法

5.2.1 问题的刻画

5.2.2 特征空间中的模糊核聚类算法（KFCM-Ⅰ）

5.2.3 输入空间中的模糊核聚类算法（KFCM-Ⅱ）

5.2.4 KFCM-Ⅱ算法的鲁棒性分析

5.2.5 实验结果及分析

5.3 可能性核聚类算法

5.3.1 可能性核C-均值算法（KPCM）

5.3.2 实验结果

5.4 一种联机的核聚类算法

5.4.1 鲁棒联机聚类算法（ROC）

5.4.2 实验结果

5.5 对不完整数据集的聚类

5.5.1 处理不完整数据时的模糊核聚类算法

5.5.2 实验结果

5.6 本章小节

第六章 核聚类算法在医学图像分割中的应用

6.1 引言

6.2 隶属度约束的核聚类算法

6.2.1 隶属度约束的KFCM 算法

6.2.2 图像分割实验结果

6.3 空间关系约束的核聚类算法

6.3.1 空间关系约束的FCM 算法

6.3.2 空间关系约束的KFCM 算法

6.3.3 图像分割实验结果

6.4 本章小节

第七章 结束语

致谢

在学期间的研究成果

参考文献

发布时间: 2005-07-08

参考文献

• [1].一类新型联想记忆神经网络研究[D]. 王剑.华南理工大学2003
• [2].基于模糊形态双向联想记忆网络的研究[D]. 吴锡生.南京理工大学2005
• [3].多向联想记忆神经网络理论研究[D]. 周铁军.中南大学2007
• [4].多向联想记忆神经网络的多稳定性及其在多模式识别中的应用[D]. 王敏.湖南农业大学2014
• [5].全局耦合网络的特性及其混沌控制研究[D]. 王涛.哈尔滨工程大学2012
• [6].基于忆阻递归神经网络的联想记忆分析与设计[D]. 鲍刚.华中科技大学2012
• [7].延迟反馈神经网络和两层反馈神经网络的研究[D]. 吴桂坤.厦门大学2008
• [8].稀疏互联联想记忆及其复杂网络实现[D]. 杨静.合肥工业大学2009
• [9].基于仿人机器人的人机交互与合作研究[D]. 王毅.北京科技大学2015
• [10].基于征兆分析的多故障智能诊断方法的研究和应用[D]. 张可.重庆大学2010

相关论文

• [1].基于核的非线性特征抽取与图象识别研究[D]. 陈才扣.南京理工大学2004
• [2].基于Kernel的机器学习在建模与分类问题的应用研究[D]. 范玉刚.浙江大学2006
• [3].基于核的增强型联想记忆模型及推广性研究[D]. 王敏.南京航空航天大学2006

标签：核方法论文;  支持向量机论文;  联想记忆论文;  无监督聚类论文;  鲁棒性论文;  图像压缩论文;  人脸识别论文;  医学图像分割论文;