可擴展遷移學習中跨媒體複雜問題自動映射研究

《可擴展遷移學習中跨媒體複雜問題自動映射研究》是依託鄭州大學，由朱真峰擔任項目負責人的聯合基金項目。

基本介紹

• 中文名：可擴展遷移學習中跨媒體複雜問題自動映射研究
• 項目類別：聯合基金項目
• 項目負責人：朱真峰
• 依託單位：鄭州大學

項目摘要

遷移學習打破了傳統機器學習方法中訓練集(相關任務)和測試集(目標任務)服從同分布的假設，能夠處理分布發生變化的數據，有助於設計更加智慧型化的機器學習方法。本項目針對遷移學習中存在的關鍵問題：複雜任務間可擴展模型的建立，映射空間維數的確定，自動映射的實現等問題；以層次貝葉斯方法、深度學習方法和增量式方法建立不同任務間的抽象知識表示模型；採用信息熵、最小描述長度準則及近鄰傳播方法來確定特徵維數；擬用多變數IB方法和矩陣論方法處理自動映射問題；項目擬採用不同的遷移學習模型，進行跨媒體模式識別和自動相互註解的研究，力圖發現遷移學習所適應的問題特徵及數學規律。該項目的研究，一方面有利於設計更加擬人化的機器學習算法，為人工智慧的發展提供新的思路和途徑，另一方面將遷移學習方法用於海量數據分析，跨媒體模式識別，從而為建立動態快速的決策系統提供堅實的基礎。

結題摘要

本項目旨在採用遷移學習思想和方法解決大規模多媒體數據的融合學習問題。採用IB方法實現了多特徵和多視角學習，獲得了新的聚類算法；採用示範學習方法，實現了快速規劃虛擬人物的行為；針對大規模數據，採用矩陣方法獲得了相似矩陣的高效計算方法，解決了AP等方法面臨的基礎性問題之一；採用特徵加權設計新型機器學習方法；採用PLSA (Probabilistic Latent Semantic Analysis)方法，調整相關參數，解決聚類結果較為紊亂的問題；採用高維數據劃分方法解決此類數據的計算代價問題。上述研究成果解決了多媒體數據遷移學習的一些基礎性問題，為進一步實現複雜任務間的知識遷移，大規模數據的增量式學習等提供了可行性。遷移學習具有普遍性，相應的工作也體現在實際套用和教學工作之中。總之，項目組提出了新的機器學習方法及算法，以解決多媒體數據挖掘中的一些關鍵的或者新穎性的問題，相關研究也體現在了實際套用（河南的地方特色病食管癌等）和教學工作之中，表明了本研究的學術價值和套用價值。