基于隨機點積圖理論的模式識別方法研究.pdf

1、隨著計算機技術與人工智能理論的發(fā)展，模式識別的理論與方法研究已經(jīng)取得很大進展，并已廣泛應用于聲音和語言識別、文字識別、指紋識別、圖像分析等領域。近年來，網(wǎng)絡數(shù)據(jù)的分析和處理成為模式識別的重要研究內(nèi)容。面對網(wǎng)絡這種新型、動態(tài)的大規(guī)模關系數(shù)據(jù)，隨機圖及其所衍生出的復雜網(wǎng)絡理論受到越來越多的關注。
　　 研究表明，隨機圖可以更好地模擬現(xiàn)實的關系數(shù)據(jù)，在分類、聚類、匹配等模式識別經(jīng)典問題中都顯示出明顯優(yōu)勢與發(fā)展?jié)摿?。本文立足于一種重要的

2、隨機圖模型--隨機點積圖，重點研究了隨機點積圖在自動圖像標注、多社團屬性關系傳播、網(wǎng)絡攻擊檢測等多個模式識別新興熱點問題中的應用，并從理論上對隨機點積圖在保持模長歸一化的約束下進行了進一步的推廣。
　　 隨機點積圖是近年來新提出的一種點.邊隨機圖模型，它通過對節(jié)點的隨機賦值，依照點積規(guī)則計算節(jié)點之間的連接概率，從而通過節(jié)點的隨機性體現(xiàn)出邊的隨機性，形成隨機圖。隨機點積圖具有聚類性、傳遞性、度冪律性等多種重要性質(zhì)，可以很好地擬合現(xiàn)

3、實存在的各種圖結構和網(wǎng)絡。本文從概率期望的角度證明了隨機點積圖的傳遞性，將在一維空間中的證明過程推廣到高維空間中；傳統(tǒng)的傳遞性質(zhì)只涉及節(jié)點連通時的情況，本文提出了在隨機點積圖中節(jié)點不連通時邊概率的傳遞性，并給予證明。對于隨機點積圖的求解問題，本文研究了隨機點積圖對關聯(lián)圖的模擬，并給出求解方法。該解法從關聯(lián)圖的加權鄰接矩陣出發(fā)，將關聯(lián)圖的隨機點積化問題轉化成了矩陣范數(shù)逼近問題，通過對加權鄰接矩陣的譜分解得到節(jié)點的賦值。
　　 圖像

4、標注是基于內(nèi)容的圖像檢索的重要和具有挑戰(zhàn)性的課題。隨著數(shù)字圖像數(shù)據(jù)量呈爆炸性增長，如何有效檢索海量的圖像數(shù)據(jù)是個人與商業(yè)搜索引擎都迫切需要考慮的問題。自動圖像標注能提供更符合人類檢索習慣的文本輸入查詢方式，是圖像檢索中的一項關鍵技術。本文提出了一種基于隨機點積圖的圖像標注算法，該算法首先構造了一個融合了底層特征間、標注詞間以及圖像與標注詞間的相似關系的關聯(lián)圖，再利用隨機點積圖對該關聯(lián)圖進行重構，挖據(jù)出圖像的底層特征間和標注詞間隱藏的相似

5、關系，并形成狀態(tài)轉移概率，結合重啟式隨機游走，最終實現(xiàn)自動圖像標注?；陔S機點積圖的圖像標注算法將基本標注階段與標注改善階段結合起來，從整體進行關聯(lián)圖的隨機點積重構，并實現(xiàn)自動標注。在多個通用圖像庫上的實驗證明，該方法可以有效提高圖像標注精度，尤其在圖像庫較小時，具有明顯優(yōu)勢。
　　 近年來社會網(wǎng)絡的研究取得了高速發(fā)展，其應用也越來越普及。與傳統(tǒng)的模式識別不同，網(wǎng)絡分析側重個體之間相互聯(lián)系的分析和挖掘，所以從模式識別的角度來看，

6、網(wǎng)絡分析也稱為“鏈接識別”(Link recognition)或者“鏈接分析”(Link analysis)。在網(wǎng)絡中，個體與個體之間圍繞共同的興趣和話題相互聯(lián)系形成不同的社團。當前，社團已經(jīng)成為了解網(wǎng)絡結構、功能和增長機制的重要工具。由于不同社團中存在的數(shù)據(jù)關系大不相同，社團之間屬性關系的傳播已成模式識別中一個挑戰(zhàn)性的問題。本文提出了一種基于隨機點積圖的多社團屬性關系傳播算法。該方法從已知屬性關系的社團入手，結合目標社團中的個體特征，

7、用隨機點積圖對當前屬性關系不斷演化，挖掘出目標社團中隱藏的屬性關系。該方法可以同時實現(xiàn)對社團中成員的劃分與屬性關系的跨社團傳遞。通過在多個實際社會網(wǎng)絡數(shù)據(jù)庫的實驗表明，該方法可以準確揭示社團中隱藏的屬性關系。
　　 數(shù)據(jù)降維與嵌入是模式識別中的重要研究問題。對于關系數(shù)據(jù)，隨機點積圖可以將圖中的節(jié)點嵌入到向量空間中。關系數(shù)據(jù)經(jīng)過核函數(shù)形成的相似矩陣往往具有相同的對角元，基于這一重要性質(zhì)，本文提出一種改進的隨機點積圖模型--保持模長

8、歸一化的隨機點積圖，它可以將圖嵌入到一個球面空間中。此外，對于歸一化的特征數(shù)據(jù)，現(xiàn)有的降維方法都沒有考慮數(shù)據(jù)的歸一化性質(zhì)，將保持模長歸一化的隨機點積圖模型用于這類數(shù)據(jù)的降維中，則降維后的特征數(shù)據(jù)依然是模長歸一化的。在這種隨機點積圖模型的解空間中，歐氏距離與夾角余弦是等價的。本文從理論上給出了該模型的求解方法與收斂性分析。在多個真實數(shù)據(jù)庫上的聚類實驗表明，該模型可以得到更具可分性的節(jié)點嵌入結果。
　　 隨著互聯(lián)網(wǎng)技術的發(fā)展，大規(guī)模

9、的動態(tài)網(wǎng)絡通過計算機和其他設備將人類連接起來，這種大規(guī)模網(wǎng)絡已經(jīng)成為人們獲取信息和知識的重要來源。為增強網(wǎng)絡用戶的安全性，網(wǎng)絡攻擊行為檢測成為模式識別在網(wǎng)絡分析中亟待解決的新問題。本文提出了一種新的基于保持模長歸一化隨機點積圖的網(wǎng)絡攻擊檢測方法，根據(jù)待測網(wǎng)絡拓撲結構的隨機點積圖譜空間坐標識別欺騙或攻擊。本文從理論上證明了攻擊者與普通節(jié)點分別落在譜空間的不同區(qū)域中。保持模長歸一化隨機點積圖將節(jié)點的譜坐標合理分布于球面空間中，并在該球面空間