基于稀蔬变换的分布式分类算法研究
模式识别技术在许多重要领域都有着十分广泛的应用,其目的就是使用计算机将某一类具体的事物进行正确的归类。本文提出了一种基于稀疏变换的分类算法,并研究了在处理敏感(私人)数据或没有融合中心等情况下,该算法在传感器网络中的分布式求解。 本文的主要贡献如下: Ⅰ)在传感器网络环境中提出一种新的识别方法用以训练分类器,其中每个网络节点均能够通过完成一些本地计算,通信和存储操作处理自己的数据,以提取有用的信息。并且,他们可以通过与邻居的合作找到全局最优(或近似最优)的解决方案; Ⅱ)将稀疏变换与分类算法相结合,形成一个统一的目标函数; Ⅲ)构建虚拟的类中心来增强分类器的分类效果,使得经过变换后的稀疏系数向量能够更接近本类中心,而远离其他类的类中心; Ⅳ)我们把分布式变换矩阵求解问题转换为具有一致性约束的子问题,该问题可以在网络环境下通过本地计算及交替方向乘子法(ADMM)的信息通信能力解决。最后,实验结果表明,该算法是一种有效的针对分布式数据的分类算法,适用于传感器网络环境。
模式识别;稀疏变换;分布式分类;传感器网络;一致性约束
西安理工大学
硕士
模式识别与智能系统
梁军利
2016
中文
TP391.44
69
2017-04-14(万方平台首次上网日期,不代表论文的发表时间)