基于迁移学习的跨领域行为识别研究

《基于迁移学习的跨领域行为识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、密级：保密期限：名给乂爹硕±学位论文基于迂移学习的跨领域行为识别研究Ｒｅｓｅａ－ｒｃｈｏｎＣｒｏｓｓｄｏｍａｉｎＡｃｔｉｏｎＲｅｃｏｇｎｉｔｉｏｎｖｉａＴｒａｎｓｆｅｒＬｅａｒｎｉｎｇ；！＇巧＼？，学号Ｐ弓Ｉ３２０１０８３秦Ｋ一；，＼姓名新海群学位类别工学硕±信号＂５信〇５领域？旨处Ｓ）指导教师唐俊教授完成时间２０１６年５月答辩委员会勺，化，主席签名独创烛声明本人声明所呈交的

2、学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了义中特别加Ｗ标泣和致谢的地方外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得安缴大学或其他教育机Ｉ构的学位或证书而使用过的材将一。与我同王作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：签字日期新洛复：兴／名年含月日Ｉ学位论文版权使巧授权书本学位论文作者完全了解安徵大学有关保留、使用学位论文的规定．，有权保留并向国家有关部口或机构送交论文的复印件和摄盘，义许论文

3、被查阅和借阅。本人授权安徵大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名；资為瑪导师签名：签字日期：Ｗ／６年ｒ月列日签字日期；／《年手月＊批？日｜安徵大学硕±学位论文摘要摘要行为识别是近些年计算机视觉的一个热口研究领域，受到很多学者的关注。行为识别可Ｗ应用在视频监控、视频检索、人机交互、军事、安防、医疗诊断、工业检测、交通管理、运动分析、生物学等众多领域，具

4、有非常广阔的应用前景及经济价值。传统的分类方法通常需要保证测试样本和训练样本具有相同的分布，而且在训练样本充足的情况下才能训练出一个可靠的分类模型一。对于个训练样本数量较少的新的领域，传统的分类方法无法获得良好的分类模型。这就需要利用迁移学习的方法，通过相关源领域的知识来辅助目标领域提升分类系统的性能。但是，不同领域的数据通常具有不同的分布，因此需要通过从源领域中选一取接近目标领域数据的样本，或者将不同领域数据的特征映射到同个空间，一才能进行下步的分类训练。为了解决不同领域数据的特征分布

5、不同的问题，本文提出了基于协同矩阵分解联合拉普拉斯正则项的跨领域行为识别方法。首先，利用协同矩阵分解技一术将源领域和目标领域数据的特征映射至个共同的潜在的语义空间，然后为一致性Ｗ及每个领域的局了使语义表示更具鉴别能为，通过利用领域间的标签部结构信息，增加了拉普拉斯正则项。该算法在获得语义空间的同时，也能学习到两个线性映射一个线性分类器一矩阵Ｗ及。对于个测试样本，可Ｗ通过相应的线性映射矩阵直接得到其语义表示，并通过线性分类器获得其类别信息。ＵＣＦ－为了验证算法的性能，实验选取１０１数据集作为目标领

6、域，ＨＭＤＢ５１数据集作为源领域，实验结果验证了所提出方法的有效性。关键词：行为识别；迁移学习；协同矩阵分解；拉普拉斯正则项；分类器Ｉ安徽大学硕±学位论文基于迁移学习的跨领域行为识别研巧ＡｂｓｔｒａｃｔＡｃｔｉｏ。ｒｅｃｏｇｎｉｔｉｏｎｈａｓｒｅｃｅｉｖｅｄｍｕｃｈａｔｅｎｔｉｏｎａｓ化ｉｓａｎａｃｔｉｖｅｒｅｓｅａｒｃｈｔｏｐｉｃｏｆｃｏｍｐｕｔｅｒｖｉｓｉｏｎｉｎｒｅｃｅ凸ｔｙｅａｒｓ．化ｈａｓｂｒｏａｄａｐｐｌｉｃａｔｉｏｎｐｒｏｓｐｅｃｔａｎｄ

7、ｈｉｇｈｅｃｏｎｏｍｉｃｗｈｔ－－ｖａｌｕｅｉｃｈｃａｎｂｅｕｓｅｄｆｏｒｖａｒｉｏｕｓａｌｉｃａｉｏｎｓｉｎｖｉｄｅｏｂａｓｅｄｓｕｒｖｅｉｌｌａｎｃｅｖｉｄｅｏ，ｐｐ，ｂａｓｅｄｒｅｒｉｅｖａ－ｔｌｈｕｍａｎｃｏｍｕｔｅｒｉｎｔｅｒａｃｔｉｏｎｍｉｌｉｔａｒｓｅｃｕｒｉｔｍｅｄｉｃａｌ出ａｎｏｓｉｓ，ｐ，ｙ，ｙ，ｇ，ｉｎｄｕｓｔｒｉａｌｉｎｓｐｅｃｔｉｏｎ，ｔｒａｆｆｉｃｍａｎａｇｅｍｅｎｔ，ｍｏｔｉｏｎａｎａｌｙｓｉｓ，ａｎｄｂｉｏｌｏｇｙ．Ｔｏｏｂｔ

8、ａｉｎ泣ｒｅｌｉａｂｌｅｃｌａｓｓｉ巧ｃａｔｉｏｎｍｏｄｅｌｔｒａｄｉｔｉｏｎａｌｃｌａｓｓｉ巧ｃａｔｉｏｎｍｅｔｈｏｄｓａｒｅ，ｂｕｉｈｕｐｏｎｔｗｏａｓｓｕｍｐｔｉｏｎｓ：ｏｎｅｉｓｔｒａｉｎｉｎｇｉｎｓｔａｎｃｅｓａｎｄ１：ｅｓｔｉｎｓｔａｎｃｅｓｍｕｓｔｈ