共形變換核的多核拓展及其最佳化學習方法

《共形變換核的多核拓展及其最佳化學習方法》是依託上海交通大學，由熊惠霖擔任項目負責人的面上項目。

基本介紹

• 中文名：共形變換核的多核拓展及其最佳化學習方法
• 項目類別：面上項目
• 項目負責人：熊惠霖
• 依託單位：上海交通大學

項目摘要

鑒於多核學習在核方法理論和套用研究方面的重要性，特別是非線性組合的數據依賴多核所顯示的許多良好特性，課題擬研究針對共形變換多核的穩健的最佳化學習方法，發展和完善多核學習的理論和套用基礎。在深入研究現有多核學習理論和方法的基礎上，針對現有共形變換核學習方法中存在的問題，重點研究共形變換核模型的多核拓展、共形變換多核的穩健最佳化學習方法、共形變換多核學習的套用等幾方面的內容。研究目標是在理論上發展和完善共形變換多核的最佳化學習方法，並在生物信息識別和視覺模式識別兩方面的套用中取得優於其它方法的成果

結題摘要

課題組研究了（1）基於Fisher準則的共形變換單核多核的最佳化算法及其在圖像識別上的套用，改進和完善了Fisher準則下多類問題的共形變換單核最佳化學習算法，並將這種改進算法拓展到共形變換多核上；（2）SVM框架下共形變換多核的最佳化學習算法，在SVM最佳化框架下,採用類似simpleMKL算法中分步尋優的策略最佳化共形變換多核的算法；（3）面向共形變換核的稀疏學習方法和目標顯著性計算及其套用，採用稀疏表示和字典學習方法，在獲取稀疏表示和字典的同時最佳化共形變換核；（4）核方法在圖像目標檢測識別方面的套用。總體來看，課題組的研究拓展了共形變換核模型，發展了在SVM最佳化框架和Fisher準則下最佳化共形變換多核的有效算法，並在圖像識別套用中驗證了共形變換核方法的有效性。