流形学习及其在检索中的应用
作为一种新的非监督性统计学习方法,流形学习近年来越来越引起机器学习及认知科学工作者的重视。其本质是发现高维观测数据集的内在低维流形结构和嵌入映射关系。流形学习的各种算法也成为研究热点,很多经典流形学习算法包括多维尺度分析(Multidimensional Scaling, MDS)、主成分分析(Principle Component Analysis, PCA)、拉普拉斯特征变换(Laplacian Eigenmaps, LE)、局部线性嵌入(Locally Linear Embedding, LLE)、等度规映射(Isometric Mapping, Isomap)等在图像信息压缩、模式识别、图像处理等众多领域都有广泛应用。本文主要介绍了流形学习的研究背景,各个算法的数学描述,在图像视频检索领域的应用以及未来的研究方向。
流形学习、图像检索、视频检索、压缩感知
TP3;O23
教育部博士点专项基金新教师项目编号200804221023;山东省自然科学基金编号Q2008G03
2014-01-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
12-20