导读:本文包含了偏最小二乘降维论文开题报告文献综述及选题提纲参考文献，主要关键词:偏最小二乘降维,年龄估计,人脸图像,主成分分析
偏最小二乘降维论文文献综述
赵丙娟[1]（2017）在《基于偏最小二乘降维的人脸年龄估计研究》一文中研究指出人脸年龄估计是以人脸图像提取的年龄特征为基础,用模式识别的相关模型和技术进行处理分析,自动判定人脸年龄的计算机视觉技术。作为一个重要的模式识别应用问题,人脸年龄估计是计算机视觉与人机交互领域的研究热点。但是由于人类的衰老是一个非常复杂、不受人意志控制的过程,它不仅与健康状况、生活方式、工作性质、生活压力等多种因素相关,同时还受到遗传基因等复杂因素的影响,具有多样性以及不确定性的特点。一般情况下,不同的人在同一年龄段会呈现出不同的外貌形态;这使得人脸年龄估计在学术研究中仍然存在着巨大的困难和挑战。在人脸年龄估计中,提取出的人脸图像特征维度一般比较高,需要进行降维处理。主成分分析(Principal Component Analysis,PCA)是一种人脸年龄估计中常用的降维方法;但是作为无监督方法,PCA未考虑人脸的年龄信息,提取的主成分解释能力不足。针对这一问题,本文提出基于有监督的偏最小二乘(Partial Least Square,PLS)降维的人脸图像年龄估计方法。偏最小二乘既是一种非常有效的数据降维方法,又是一种回归分析模型,能够高效地寻找到性能比较优的低维空间。基于偏最小二乘降维的人脸年龄估计方法首先使用主动外观模型(Active Appearance Model,AAM)进行特征提取,再采用偏最小二乘降维进行处理,最后通过支持向量回归(Support Vector Regression,SVR)进行年龄估计。将偏最小二乘降维和支持向量回归相互结合是本文工作的创新点;与已有的使用PLS回归直接进行年龄估计的方法相比较,本文提出的方法的性能具有显着优势。本文在FG-NET人脸图像库上进行了大量的对比分析实验,对比的年龄估计算法包括Rank算法、支持向量回归算法、神经网络回归(Neural Network Regression,NNR)、主成分分析和支持向量回归结合的算法(PCA+SVR)以及偏最小二乘回归(Partial Least Squares Regression,PLSR)算法。实验结果表明,本文提出的基于偏最小二乘降维的人脸年龄估计方法具有显着更优的性能,年龄估计平均绝对误差较小。(本文来源于《南昌大学》期刊2017-05-20）
张世辉,周绯菲,郭顺超[2]（2014）在《基于特征联合和偏最小二乘降维的手势识别》一文中研究指出针对以往手势识别研究中更关注识别率而弱化实时性的情况,首次将偏最小二乘降维思想引入手势识别领域,提出一种基于特征联合和偏最小二乘降维的手势识别方法。首先进行手势分割,在此基础上提取手势样本的梯度方向直方图和局部二值模式特征,并将二者进行联合。然后采用偏最小二乘法对手势联合特征进行降维,并将降维后的手势训练样本特征输入到支持向量机中进行分类训练。最后用训练好的支持向量机对降维后的手势测试样本进行识别测试。基于Jochen Triesch手势库及自制手势库的实验结果表明,同已有方法相比,本文所提方法在取得较高手势识别率的同时也取得了较好的实时性。(本文来源于《燕山大学学报》期刊2014年01期）
郭顺超[3]（2012）在《基于特征联合和偏最小二乘降维的手势识别》一文中研究指出随着计算机视觉技术的发展以及新型人机交互方式的出现，基于视觉的手势识别方法引起了学者们的广泛关注。如何实时、准确地识别出手势样本的类别成为了当前人们研究的重点。在前人研究的基础之上，本文以兼顾实时性及提高手势识别率为研究目标，综合利用各方面的理论知识，对基于特征联合和偏最小二乘降维的手势识别方法进行了研究。首先，总结了手势识别的一般过程，并重点对手势识别过程中的手势分割、特征提取以及手势识别技术进行了分析。其次，在深入分析和研究手势识别的基础上，提出一种基于特征联合和偏最小二乘降维的手势识别方法。该方法在手势分割的基础上通过提取手势样本的梯度方向直方图和局部二值模式特征，并将二者进行联合形成手势样本的联合特征，然后，在不改变手势识别率的前提下采用偏最小二乘法对手势联合特征进行降维以改善手势识别的实时性，降维后可以得到手势的低维联合特征。再次，给出了基于支持向量机分类器的手势训练及识别方法。该方法通过对手势训练样本降维后的低维联合特征进行训练得到手势识别器，并利用该手势识别器对各测试样本进行识别测试，通过统计所有手势测试样本的识别结果得到手势识别的识别率。最后，基于Jochen Triesch手势库及自制手势库对本文方法进行了实验，并同已有手势识别方法在识别率和实时性方面进行了比较。(本文来源于《燕山大学》期刊2012-12-01）
聂斌,王卓,杜建强,余日跃,徐国良[4]（2012）在《基于偏最小二乘法的信息粒降维及聚类研究》一文中研究指出利用偏最小二乘法,按最大相关性提取出最强解释能力的信息,实现信息粒降维;通过欧氏距离聚类,获取不同层次的信息粒;根据需求选择合适的粒度进行分析.实验结果表明:文中所提方法是可行有效的.(本文来源于《江西师范大学学报(自然科学版)》期刊2012年05期）
孙伟伟,刘春,施蓓琦,李巍岳[5]（2012）在《利用偏最小二乘方法修复高光谱影像等距映射降维中遗失点的坐标》一文中研究指出将Isomap流形学习方法应用于高光谱影像非线性降维时,在构建最短路径过程中,其边界点往往被忽略而没有低维流形坐标。对此,引入偏最小二乘方法来模拟修复遗失点的流形坐标,并从两个方面进行了综合评价。实验结果表明,模拟流形坐标与实际坐标吻合很好。(本文来源于《武汉大学学报(信息科学版)》期刊2012年05期）
曾雪强,李国正[6]（2010）在《基于偏最小二乘降维的分类模型比较》一文中研究指出在众多数据降维方法中,偏最小二乘降维方法是一种非常有效的数据降维模型,并被广泛应用于生物基因数据分析等领域。但基于偏最小二乘降维的分类模型的选择问题,往往为以往的研究工作所忽视,研究者基本是根据自身喜好选择不同的分类模型。针对这一问题,本文通过大量的实验,对多种不同分类模型在生物基因芯片数据集上的性能进行了比较和分析。通过t检验,发现人工神经网络、逻辑斯特判别、线性支持向量机是3种在偏最小二乘降维上性能较好的的分类模型。(本文来源于《山东大学学报(工学版)》期刊2010年05期）
曾雪强[7]（2009）在《偏最小二乘降维方法的研究与应用》一文中研究指出随着计算机需要处理的数据的维数越来越大,数据降维技术已经成为一项越来越重要的数据处理技术。数据降维的目标是在保持分类和决策能力的前提下,去除掉数据中不相关或者不重要的信息。数据降维可以提高学习算法的泛化能力、建模的计算效率和数据的可解释性。在学者们已经提出的众多数据降维算法中,偏最小二乘降维方法PLSDR(Partial Least Squares based Dimension Reduction)是其中较为有效的算法之一。本文以偏最小二乘降维方法为研究对象,提出了一个完整的偏最小二乘降维框架。本文对偏最小二乘降维方法进行了深入的研究,并在新框架下提出了一系列算法,探讨了他们的应用。本文主要取得了如下成果:1)提出了一种偏最小二乘降维框架(Partial Least Squares based Dimension Reduction Framework)。以往的偏最小二乘降维算法的研究工作经常忽视的两个问题是无关或冗余特征的选择问题和偏最小二乘成份的选择问题。针对这些问题,我们提出了一种基于偏最小二乘的数据降维框架,将特征选择和模型选择整合到偏最小二乘降维方法的统一框架中。2)提出了多种偏最小二乘降维框架中的预处理算法。预处理是偏最小二乘降维框架中的重要一环,其目标是在偏最小二乘建模之前,去除原始数据中的无关和冗余特征。针对无关特征的去除,我们提出了以随机产生的探针变量的t-统计值,查找无关特征的PLSDR-G(PLSDR with Gene elimination)算法。对于冗余特征的去除,我们提出了一种新颖的有监督的基于区分能力贡献度的冗余特征检测指标DISC(DIScriminative Contribution);基于DISC指标,我们提出了基于区分能力贡献度的冗余特征去除算法REDISC(Redundancy Elimination based on DIScriminative Contribution)。3)提出了多种偏最小二乘降维框架中的后处理算法。后处理是偏最小二乘降维框架中关键步骤之一,其目标是从抽取出的偏最小二乘成份中选择一部分成份,并将其作为最终的降维后的数据空间。对于后处理,我们提出了两种解决方案:基于回归拟合度的成份选择算法和嵌入式的成份选择算法。回归拟合度R y2是评价偏最小二乘模型建模质量的一个重要指标,基于该指标我们提出了两种模型选择算法:PAS算法(PLSDR with model selection by using Absolute R y2 Scores)和PIS(PLSDR with model selection by using Incremental R y2 Scores)算法。嵌入式方案是将特征选择嵌入特征抽取的FSBFE算法(Feature Selection Based Feature Extraction),其基本原理是通过遗传算法将分类器嵌入到模型选择中,从而能在全部的PLS成份挑选出性能较优的一部分。4)将偏最小二乘降维方法应用到文本分类(text classification)问题中,并取得了较好的效果。通过抽取出隐含的文档语义对文档进行表示,是解决文档中一词多义和多词一义问题的一个有效的方法。针对现有的潜在语义索引模型没有考虑类别信息的缺点,我们提出了两种采用偏最小二乘方法抽取文本语义的模型:偏最小二乘语义索引SIPLS(Semantic Indexing based on Partial Least Squares)和局部偏最小二乘语义索引LSIPLS(Local Semantic Indexing based on Partial Least Squares)。(本文来源于《上海大学》期刊2009-05-12）
钱国华,荀鹏程,陈峰,于浩[8]（2007）在《偏最小二乘法降维在微阵列数据判别分析中的应用》一文中研究指出目的探讨微阵列数据的判别分析方法。方法首先采用偏最小二乘法对高维数据降维,然后再用Fisher’s线性判别。文中同时介绍了偏最小二乘法的基本原理、基本算法,讨论了成分数选择等问题,并以实际微阵列数据展示了其效果。结果偏最小二乘法降维不但实现了数据的可视化,而且取得了较好的后期判别效果。结论偏最小二乘法是一种新的实用的降维方法,可用于微阵列数据判别分析的前期降维。(本文来源于《中国卫生统计》期刊2007年02期）
偏最小二乘降维论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对以往手势识别研究中更关注识别率而弱化实时性的情况,首次将偏最小二乘降维思想引入手势识别领域,提出一种基于特征联合和偏最小二乘降维的手势识别方法。首先进行手势分割,在此基础上提取手势样本的梯度方向直方图和局部二值模式特征,并将二者进行联合。然后采用偏最小二乘法对手势联合特征进行降维,并将降维后的手势训练样本特征输入到支持向量机中进行分类训练。最后用训练好的支持向量机对降维后的手势测试样本进行识别测试。基于Jochen Triesch手势库及自制手势库的实验结果表明,同已有方法相比,本文所提方法在取得较高手势识别率的同时也取得了较好的实时性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
偏最小二乘降维论文参考文献
[1].赵丙娟.基于偏最小二乘降维的人脸年龄估计研究[D].南昌大学.2017
[2].张世辉,周绯菲,郭顺超.基于特征联合和偏最小二乘降维的手势识别[J].燕山大学学报.2014
[3].郭顺超.基于特征联合和偏最小二乘降维的手势识别[D].燕山大学.2012
[4].聂斌,王卓,杜建强,余日跃,徐国良.基于偏最小二乘法的信息粒降维及聚类研究[J].江西师范大学学报(自然科学版).2012
[5].孙伟伟,刘春,施蓓琦,李巍岳.利用偏最小二乘方法修复高光谱影像等距映射降维中遗失点的坐标[J].武汉大学学报(信息科学版).2012
[6].曾雪强,李国正.基于偏最小二乘降维的分类模型比较[J].山东大学学报(工学版).2010
[7].曾雪强.偏最小二乘降维方法的研究与应用[D].上海大学.2009
[8].钱国华,荀鹏程,陈峰,于浩.偏最小二乘法降维在微阵列数据判别分析中的应用[J].中国卫生统计.2007