Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
بهبود ساخت گراف برای یادگیری نیمه نظارتی در کاربردهای بینایی ماشین
مهدیه، مصطفی Mahdieh, Mostafa

Cataloging brief

بهبود ساخت گراف برای یادگیری نیمه نظارتی در کاربردهای بینایی ماشین
پدیدآور اصلی :   مهدیه، مصطفی Mahdieh, Mostafa
ناشر :   صنعتی شریف
سال انتشار  :   1391
موضوع ها :   یادگیری ماشینی Machine Learning یادگیری نیمه نظارتی Semi-Supervised Learning بینایی...
شماره راهنما :   ‭19-44559

Find in content

sort by

Bookmark

  • مقدمه (11)
    • تعریف ریاضی مسئله یادگیری نیمه‌نظارتی (14)
    • مدل‌سازی داده‌ها (16)
      • فرض همواری نیمه‌نظارتی (16)
      • فرض خمینه (17)
      • فرض نمایش تنک داده‌ها (18)
    • روش‌های یادگیری نیمه‌نظارتی (19)
      • روش‌های مولد (19)
      • روش‌های مبتنی بر فرض جداسازی کم‌چگالی (19)
      • روش‌های مبتنی بر گراف (20)
    • اهمیت مسئله ساخت گراف همسایگی (21)
    • چالش‌های مسئله‌ی ساخت گراف همسایگی (22)
      • مجهول بودن خمینه‌ها (22)
      • داده‌های چند خمینه‌ای (22)
      • همبندی گراف همسایگی (23)
      • یال‌های میان‌بر (24)
      • انتخاب وزن مناسب (24)
      • استفاده از برچسب‌ها (24)
      • استفاده از فرض خمینه (25)
      • زمان اجرا و برخط بودن (25)
    • تعریف دقیق‌تر موضوع رساله (25)
    • بیان رسمی فرض خمینه (27)
      • رابطه‌ی اتشار گرما و استنتاج برچسب (28)
    • مجموعه داده‌ها (29)
      • تشخیص ارقام (29)
      • تشخیص دسته اشیا (30)
      • تشخیص حالت انسان (32)
    • معیارهای ارزیابی الگوریتم‌های ساخت گراف همسایگی (33)
    • جمع‌بندی (35)
    • ساختار رساله (36)
  • تحلیل مسئله ساخت گراف همسایگی (37)
    • تابع فاصله روی فضای ورودی (37)
    • پیش‌پردازش داده‌ها (39)
      • روش PCA (41)
      • حذف نویز از خمینه (42)
    • استنتاج برچسب‌ها (44)
      • روش‌های مبتنی بر انتشار برچسب (45)
      • روش منظم‌سازی گراف (45)
      • پشتوانه‌ی نظری منظم‌سازی گراف (48)
      • روش‌های دیگر استنتاج برچسب (48)
    • چارچوب‌های ساخت گراف همسایگی (49)
      • چارچوب آماری (49)
      • چارچوب مبتنی بر شهود (50)
      • چارچوب هندسی (50)
      • چارچوب ساخت و اصلاح (51)
    • اعتبار فرضیات (51)
    • جمع‌بندی (53)
  • روش‌های پیشین ساخت گراف همسایگی (55)
    • ساخت گراف همسایگی با توجه به دانش مسئله (55)
    • روش‌های عمومی ساخت گراف همسایگی (56)
      • روش‌های پایه (56)
      • روش نمایش تنک (58)
      • روش‌های مبتنی بر حفظ همبندی گراف همسایگی (59)
      • روش‌های مبتنی بر تحدید درجه (61)
      • روش‌های کشف یال‌های میان‌بر (65)
      • ساخت گراف همسایگی نیمه‌نظارتی (69)
    • وزن‌دهی یال‌ها (70)
      • تنظیم پارامترهای تابع گاوسی (72)
      • معیار شباهت با واریانس متفاوت در ابعاد مختلف (73)
      • بازسازی محلی خطی (73)
    • جمع‌بندی و تحلیل (74)
      • دسته‌بندی ضعف کارهای پیشین در زمینه‌ی ساخت گراف همسایگی (75)
      • نحوه پیش‌برد مسئله (77)
  • روش پیشنهادی (78)
    • آزمایش روی داده‌های واقعی (78)
    • انگیزش (79)
    • رجحان متریک ژئودزیک نسبت به متریک اقلیدسی (81)
      • تخمین محلی اپراتور لاپلاس-بلترامی (81)
      • تخمین ژئودزیکی اپراتور لاپلاس-بلترامی (83)
      • روش نزدیک‌ترین همسایه‌ی ژئودزیکی (84)
      • آزمایش‌ها (85)
      • نتیجه‌ تحلیل‌ها (85)
    • روش پیشنهادی (87)
      • الگوریتم ایزوگراف (87)
      • تحلیل زمان اجرا (90)
      • مسائل پیاده‌سازی (90)
      • جمع‌بندی (91)
  • تحلیل نظری روش پیشنهادی (93)
    • پیچیدگی زمان اجرا (99)
    • جمع‌بندی (100)
  • آزمایش روی مجموعه داده‌ها (101)
    • مجموعه‌های داده‌ی مصنوعی (101)
    • مجموعه‌های داده‌ی واقعی (102)
    • مقایسه روش‌های تشخیص یال میان‌بر (105)
      • جمع‌بندی (107)
  • جمع‌بندی و کارهای آتی (108)
Loading...