基于重建误差的样本加权特征提取算法研究-计算机应用技术专业论文.docxVIP

万方数据 万方数据 学位论文使用授权声明 本人完全了解中国矿业大学有关保留、使用学位论文的规定，同意本人所撰 写的学位论文的使用授权按照学校的管理规定处理： 作为申请学位的条件之一，学位论文著作权拥有者须授权所在学校拥有学位 论文的部分使用权，即：①学校档案馆和图书馆有权保留学位论文的纸质版和电 子版，可以使用影印、缩印或扫描等复制手段保存和汇编学位论文；②为教学和 科研目的，学校档案馆和图书馆可以将公开的学位论文作为资料在档案馆、图书 馆等场所或在校园网上供校内师生阅读、浏览。另外，根据有关法规，同意中国 国家图书馆保存研究生学位论文。 （保密的学位论文在解密后适用本授权书）。 作者签名： 导师签名： 年 月 日 年 月 日 学位论文原创性声明 Declaration of thesis originality 本人郑重声明：所呈交的学位论文《基于重建误差的样本加权特征提取算法 研究》，是本人在导师指导下，在中国矿业大学攻读学位期间进行的研究工作所 取得的成果。据我所知，除文中已经标明引用的内容外，本论文不包含任何其他 个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集 体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 年 月 日 61 论文审阅认定书 研究生 杨开睿 在规定的学习年限内，按照研究生培养 方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完 成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认 同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请 论文送专家评审。 导师签字： 年 月 日 致谢 时光荏苒，三年的硕士研究生生活转瞬即逝，忆及这三年的硕士生活充实而 有意义，令人难以忘记。在此论文完成之际，我要向给予我指导、支持、帮助及 关心过我的老师、学长、同学和亲人表示衷心的感谢！ 首先，非常诚挚地感谢我的导师孟凡荣教授和梁志贞副教授。他们对我研究 生三年的培养起到了非常关键的作用。研究上，教会我踏实、严谨和创新；生活 上，教会我乐观、勇敢和真诚，他们还给我提供了很多科研实践和去煤矿现场实 习的机会，这些经历将使我终身受用。 感谢实验室的周勇老师以及矿山数字化研究所的各位老师给予我诸多的教 诲和帮助。感谢实验室各位同学，感谢他们共同创造了一个和谐、温馨的学习环 境，也使我少走了很多弯路，在此向他们表示诚挚的敬意和衷心的感谢，祝他们 今后事业有成、一帆风顺。 感谢我亲爱的父母及家人，感谢他们这些年来在生活和精神上给予我的支持 与鼓励，今后无论身在何方，他们都将是我坚强的后盾和前进的动力。 本论文虽然几经修改，但由于才疏学浅，疏漏之处在所难免，还望各位老师 批评指正，感谢各位专家百忙之中审阅本文和提出宝贵意见! 摘 要 随着云计算、大数据等技术的不断兴起，人们获得的数据在复杂性和数据规 模上都发生了巨大的变化，各领域对数据处理也不断提出了新的要求。特征提取 作为数据分析和处理技术中的一种有效手段，被广泛应用于模式识别、数据挖掘 等领域。基于特征提取问题国内外学者开展了大量的研究工作，但特征提取算法 的适用性、鲁棒性、有效性等问题一直是研究的难点。本文针对线性特征提取和 非线性特征提取两类方法开展了课题的相关研究工作，具体内容如下： （1）提出了基于 PCA 的样本加权特征提取算法 针对传统的线性特征提取算法 PCA 在模型构建时并没有较好考虑不同样本 特征对最终识别的有效性和重要性各不相同这一问题，提出了一种基于 PCA 的 样本加权特征提取算法。本文依据加权的思想，对 PCA 重建误差和模型进行加 权改进，构建了一个 PCA 样本加权重建误差和最小模型，并利用信息熵来调节 样本的权值。新模型能够获得更小的重建误差和，求解模型得到了一种自适应权 值的 PCA 算法，实验表明该方法具有更好的特征提取效果和重建误差和。 （2）提出了融合局部信息的 KPCA 样本加权特征提取综合模型 针对非线性模型 KPCA 不能较好提取样本数据中的局部特征信息，且对离 群点样本的抗干扰能力较差这一问题，提出了一种融合局部信息的 KPCA 样本 加权特征提取综合模型。本文利用 LPP 模型能较好保持数据局部特征的优势， 从重建误差角度对 KPCA 加权模型引入 LPP 模型进行改进，得到了一种能更好 提取数据局部信息的样本加权非线性特征提取综合模型。实验发现模型具有很好 的特征提取效果，且对离群点样本具有很好的鲁棒性。 （3）设计并实现了一个特征提取算法分析平台（FEAAP） 依据论文的理论研究成果，本文设计并实现了一个特征提取算法分析平台。 平台基于 Matlab GUI 框架，能够完成数据预处理、算法参数设置、实验结果比 较等功能，从而为特征提取算