《基於低秩領域自適應的魯棒轉移特徵抽取研究》是依託南京理工大學，由郭劍輝擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於低秩領域自適應的魯棒轉移特徵抽取研究
- 項目類別：青年科學基金項目
- 項目負責人：郭劍輝
- 依託單位：南京理工大學
項目摘要,結題摘要,
項目摘要
新領域的不斷湧現以及信息技術的迅猛發展使人們所獲取的數據不僅在維數上迅猛增長，分布上也呈現複雜化。如何從這樣的數據中提取有意義的鑑別特徵是一個極具挑戰的問題。本課題以低秩領域適應為基礎，擬設計更有效的轉移特徵提取算法。研究內容包括:1)利用之前目標領域知識，擬提出基於先驗知識組合模型的低秩領域適應轉移特徵抽取算法；2)充分利用低秩領域適應魯棒性，對上述研究進行拓展，擬提出低秩領域適應驅動下的魯棒轉移特徵抽取模型；3)為克服上述研究無法保證目標領域知識到源領域的有效轉移，提出基於獨立子空間低秩領域適應的魯棒轉移特徵抽取模型。最後，在複雜分布圖像識別問題上，對所提算法有效性進行驗證和定量分析。本課題的開展將推動低秩理論在特徵抽取領域中的套用，豐富和發展模式識別的特徵提取技術理論體系。
結題摘要
新領域的不斷湧現以及信息技術的迅猛發展使人們所獲取的數據不僅在維數上迅猛增長，分布上也呈現複雜化。如何從這樣的數據中提取有意義的鑑別特徵是一個極具挑戰的問題。本課題以低秩領域適應為基礎，擬設計更有效的魯棒特徵提取算法。主要研究了以下三部分的研究工作：1.建立軟間隔子空間和同時特徵選擇的方法，解決動態複雜環境下多特徵融合後高維數據的降維問題。構建了軟間隔子空間學習框架，設計軟間隔準則，向軟間隔子空間中引入1範數技術，提出了基於外罰理論解的軟間隔子空間和同時特徵選擇方法：基於外部懲罰投影孿生支持向量機（RFSPTSVM）。2.基於魯棒特徵選擇方法建立不完全量測情況下的多模型嵌入地形識別算法，解決量測數據存在隨機缺失時的地形識別問題。以RFSPTSVM作為基學習器構建了多模型嵌入地形識別算法；利用OUTEX、VSPECT、ROCKS、NJUrobt和WEDS五個數據集上開展算法驗證測試。提出的地形識別算法對典型地形的識別性能均高於82%。3.基於獨立子空間低秩領域適應的轉移特徵抽取，提出了一種將面向航跡的多假設跟蹤和多平面支持向量機技術相結合的數據處理算法，用於密集環境下下的雜波過濾。密集雜波環境中除了目標點的回波外還存在大量來自未知散射體的雜波干擾，通過提取雜波特徵，採用多平面支持向量機方法用於過濾雜波，並為後續的目標跟蹤提供先驗環境信息，在滿足跟蹤精度的前提下降低了算法的複雜性，提升了數據關聯的效率。結果表明，該算法可以有效地抑制雜波，提高跟蹤性能。
