低秩距離學習及其套用

低秩距離學習及其套用

《低秩距離學習及其套用》是依託上海交通大學,由盧宏濤擔任項目負責人的面上項目。

基本介紹

  • 中文名:低秩距離學習及其套用
  • 項目類別:面上項目
  • 項目負責人:盧宏濤
  • 依託單位:上海交通大學
項目摘要,結題摘要,

項目摘要

近年來,數據點之間的距離/度量學習已成為模式識別和機器學習領域的一個研究熱點。現有的距離/度量學習方法主要是利用數據點之間的成對約束關係來學習數據點之間的一個良好的距離度量,即距離參數矩陣,沒有考慮低秩性。實際問題中的數據通常具有低秩特徵,即數據點之間相互依存。本項目在數據點之間的距離/度量學習的過程中考慮這種低秩特性,開展低秩距離學習的研究。針對數據低秩的特性,研究新的低秩距離學習框架,提出基於矩陣核範數最小化的低秩距離學習模型,並將保結構學習特性引入到距離學習中,使得經過距離變換的數據點在新的空間具有保結構的性質,進一步擴展低秩距離學習理論;研究低秩距離學習最佳化問題的快速求解算法,提出基於近似梯度、奇異值閾值化及交替方向的快速算法;將提出的低秩距離學習方法套用於基於內容的圖像檢索、圖像分類識別以及成對約束傳遞問題中。力爭在低秩距離學習理論、算法和套用方面取得創新性成果。

結題摘要

本項目首先研究了基於矩陣分解降維的距離學習,因為距離學習可視為一種投影降維方法。提出了多種新穎的非負矩陣分解方法,包括: 一種新的有約束的非負矩陣分解,同時利用數據之間潛在的幾何結構和判別信息;一種新的半監督非負矩陣分解算法,分解過程中保持了數據的局部特徵;一種新穎的感知保持投影方法,可以保持感知信息。一種非負譜聚類方法;一種局部一致的多標籤線性鑑別分析等。 其次,研究了基於哈希和量化的Hamming距離學習,提出了多種新穎算法。包括:一種自然監督的哈希算法,性能超越了已有最好方法;一種線上自組織哈希,可實現線上學習;一種保局哈希方法,可在哈希過程中儘量保持數據局部幾何結構;一種結合先驗鑑別信息的保局鑑別哈希;一種局部線性譜哈希方法,利用不相鄰的數據點改善哈希性能;一種新的向量量化框架—廣義殘差量化方法等。 再次,研究了相似性距離度量學習。提出了如下方法:一種自適應相似矩陣的學習模型及其最佳化方法;一種利用成對約束半監督信息學習出新的相似性度量的方法;一種通過同時最小化局部重構誤差和局部約束誤差學出習數據點的相似性矩陣方法;一個新穎的成對約束概念分解方法;一種正交最優反預測算法等。 最後,研究了提出方法在計算機視覺等領域的套用。包括:一種基於稀疏非負矩陣分解的空間金字塔匹配模型的人臉識別方法;一種結合無標籤的輔助文本的圖像分類方法;基於視頻的動作識別的幾種有效算法;基於深度神經網路的線上展示廣告點擊率預測方法;社會網路中的社區檢測方法等。 項目共發表學術論文30多篇,包括Pattern Recognition, Neural Networks等國際期刊SCI檢索論文8篇,國際頂級會議論文11篇(CCF A類5篇,CCF B類6篇)。畢業博士生5人,畢業碩士生14人。完成了研究目標。

相關詞條

熱門詞條

聯絡我們