首页> 中文学位 >用最小最大熵吉布斯模型学习结构化吉布斯点过程以及随机向量分布的研究
【6h】

用最小最大熵吉布斯模型学习结构化吉布斯点过程以及随机向量分布的研究

代理获取

目录

文摘

英文文摘

第一章绪论

1.1论文研究背景

1.2文献综述

1.3本文的工作

1.4论文结构安排

第二章基本方法介绍

2.1蒙特卡罗方法

2.1.1问题的提出

2.1.2马尔可夫链和平衡方程

2.1.3 Metropolis-Hastings采样

2.1.4 Gibbs采样

2.1.5Importance采样

2.3空间统计

2.3.1地理统计模型

2.3.2空间格点模型(马尔可夫随机场)

2.3.3空间点分布型态(吉布斯点过程)

2.4非均匀吉布斯模型

2.4.1最小最大熵准则

2.4.2模型的学习

2.4.3一个范例

2.4.4用IGM学习人脸轮廓分布

第三章学习结构化吉布斯点过程

3.1基于确定性邻域的方法

3.2我们的方法

3.3实验结果

3.4小结

第四章快速学习吉布斯模型

4.1基于信息增量的特征选取

4.2利用IMPORTANCE采样快速学习模型参数

4.3一个范例

4.4人脸夸张风格的快速学习

第五章小结及讨论

5.1小结

5.2讨论

参考文献

致谢

个人简历

展开▼

摘要

吉布斯模型是一种非常通用的统计分布模型,在图像处理、计算机视觉和统计学习等邻域得到了广泛的研究和应用.该论文深入研究了基于最大熵原理的吉布斯模型在学习结构化点过程和随机向量分布方面的一些原理和应用,做出了一些有意义的发现. 该论文的基本出发点是基于下面三篇关于吉布斯学习的重要文献,即[Zhu97]中创造的用最小最大熵准则(MinimaxEntropyPrinciple)学习纹理图像分布的一套统计框架,[Guo01]中提到的用吉布斯模型学习纹理基元分布的方法,以及[Liu01]中介绍的关于非均匀吉布斯模型(InhomogeneousGibbsModel,简称IGM)的学习机制.这三篇文献从不同的应用场合和建模方法介绍了基于最小最大熵准则的吉布斯模型是如何成功设计和应用的.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号