• 答辯公告
    我的位置在: 博乐博乐彩票平台-官网首页 > 答辯公告 > 正文
    郭鵬預答辯公告
    瀏覽次數:日期:2020-07-17編輯:研究生教務辦1

    答辯公告

    論文題目

    面向多模圖像的協同分類相關技術研究

    答辯人

    郭鵬

    指導教師

    李仁發

    答辯委員會

    主席

    羅娟

    學科專業

    計算機應用

    學院

    信息科學與工程學院

    答辯地點

    信科院6樓會議室

    答辯時間

    2020722

    上午1000

    學位論文簡介


    多模態圖像協同分類是利用圖像的多個來源和多個特征解決醫學檢測、遙感圖像重構等應用問題的重要手段博乐博乐彩票平台-官网首页,協同分類的性能受到圖像預處理技術、特征表示和融合方法、協同分類模型等關鍵技術的影響博乐博乐彩票平台-官网首页。本文以特征級多模態協同分類框架為研究目標,以機器學習分類數據集、醫學圖像集為例,重點研究了基于Markov鏈松弛聚類技術、基于多特征互補性和相關性的直推協同分類技術、基于稀疏編碼的特征融合和協同分類技術博乐博乐彩票平台-官网首页博乐博乐彩票平台-官网首页,并對提出方法進行了實驗驗證。取得了以下主要創新性研究成果:

    1提出一種基于超圖Markov鏈松弛的聚類學習方法。包括:通過隨機轉移矩陣的多次迭代和擴散映射,對多噪聲點和模糊邊界的數據集進行更優聚類博乐博乐彩票平台-官网首页;可以自動收斂到最佳的聚類數目。

    2提出一種基于超圖Markov鏈松弛的超像素分割多模協同分類方法。上述聚類方法對圖像進行超像素分割,以獲得不同尺度的圖像特征博乐博乐彩票平台-官网首页,從而能提高協同分類的精度。

    3)提出一種基于多特征互補性和相關性分析的直推學習協同分類方法。包括:在新的學習框架中,用不同的正則化項分別考慮多模態的互補信息和相關信息;通過局部線性相關分析揭示了多模態圖像特征中隱藏的非線性相關信息。

    4)提出一種基于卷積形態成分分析和導向濾波的多模圖像融合方法。在卷積形態成分分析編碼框架中,引入導向過濾算子以消除線性轉換時帶來的不必要的偽影博乐博乐彩票平台-官网首页,而新的圖像融合方案在保證系數稀疏的前

    提下同時保留了圖像的顯著性特征。

    5)提出一種基于卷積稀疏融合的多模協同分類方法。從不同來源的圖像中獲取更多的有利于分類的圖像特征信息,組成聯合圖像,從而提高了醫學圖像的檢測精度。


    主要學術成果

    [1] Guo P, Xie G, Li R . Object Detection Using Multiview CCA-Based Graph Spectral Learning[J]. Journal of Circuits, Systems and Computers, 2020, 29(02):196-211.(SCI )

    [2] Guo P , Xie G , Li R , et al. Multi-modal Image Fusion via Convolutional Morphological Component Analysis and Guided Filter[J]. Journal of Circuits, Systems and Computers,2020(10).(SCI ,已收錄)

    [3] 郭鵬, 李仁發, 胡慧. 一種基于超圖Markov鏈松弛的聚類學習方法[J]. 計算機科學, 2019(S1).

    [4] Hu H , Guo P . Neural Network Adaptive Control for a Class of Matched SISO Nonlinear Uncertain Systems With Zero Dynamics[J]. Journal of Computers, 2012, 7(6).

    [5] Hu, Hui, Guo, Peng. Adaptive Neural Network Tracking Control for a Class of SISO Affine Nonlinear Uncertain Systems[J]. Journal of Computers, 2012, 7(5):67-71.


    博乐博乐彩票平台-官网首页