《主動式機器學習理論及套用中的幾個關鍵問題研究》是依託清華大學，由張賢達擔任項目負責人的面上項目。
基本介紹
- 中文名：主動式機器學習理論及套用中的幾個關鍵問題研究
- 依託單位：清華大學
- 項目負責人：張賢達
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
本項目提出主動式機器學習這一新的概念。主動式機器學習是指具有認知能力、協作能力或信息挖掘能力的智慧型化機器學習方法。有了這一概念，認知無線電、協同通信和數據挖掘等具有上述特徵的機器學習問題，均可以歸納到主動式機器學習範疇之中，可以在同一個體系下進行研究。本項目將分別圍繞著聚類挖掘、認知無線電和協同通信中的關鍵問題進行研究：（1）在聚類挖掘方面，設計更為有效地進化算法，發展更高效的適用於海量信息處理的進化聚類挖掘算法；（2）在認知無線電方面，發展新的盲頻譜檢測算法，並對其性能進行分析，分析合作感知在控制信道存在差錯時的性能損失情況，並提出其性能改進方法；（3）將協同通信和認知無線電相結合，提出一種新的模型，研究該模型下如何進行功率分配，以使認知網路的吞吐量最大化。上述研究一方面將解決聚類挖掘和認知無線電中實際存在的有關重要問題；另一方面，也將為我們更進一步探索和發展主動式機器學習理論打下基礎。
結題摘要
本項目在主動式機器學習的框架下，以協同通信、認知無線電和多光譜圖像分析為主要套用背景，重點研究了主動式機器學習的有關理論、方法及套用，取得了一批創新成果。本項目圍繞協同學習取得的主要研究成果有：提出了MIMO廣播信道中使用線性預編碼（波束成形）的多用戶速率分配方法，多天線中繼竊聽信道中的穩健中繼波束成形技術，協作多小區MIMO-OFDMA 系統中的兩個速率最佳化算法，協同波束成形的性能分析與最優節點配置，基於並行接入信道(PAC) 和多址接入信道(MAC)的多用戶協作感知算法，基於放大前傳中繼的協作頻譜共享算法。針對認知機器學習，取得了下列研究成果：提出了基於OFDMA的中繼寬頻認知無線電網路中的聯合資源分配方法，認知無線電網路中基於中繼的MIMO廣播信道速率最佳化方法，認知無線電網路中具有時頻偏移的OFDM信號檢測算法，認知 MIMO 系統的低複雜度預編碼算法。在具有數據挖掘能力的機器學習中，提出了利用廣義相對光譜回響和成比例注入原則實現多光譜圖像解析度增強的技術。反映本項目研究成果的學術論文已經在國際期刊上發表10篇：全部被SCI收錄，其中發表在IEEE Transactions on Communications上長文和短文各1篇，IEEE Transactions on Wireless Communications 長文2篇，IEEE Transactions on Signal Processing 長文1篇，IEEE Transactions on Vehicular Technology 和IEEE Geoscience and Remote Sensing Letter 短文各1篇，中國科學英文版長文1篇。此外，有3篇論文已經被 SCI 收錄的國際期刊錄用，其中IEEE Transactions on Vehicular Technology 長文1篇，另有4篇論文在國際會議上發表。已有4名博士研究生通過本項目取得博士學位，3名研究生獲得碩士學位，另有3名博士生研究生在讀。
