《基於核函式最佳化的模式分類研究》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：基於核函式最佳化的模式分類研究
- 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
- 批准號：60775008
- 項目名稱：基於核函式最佳化的模式分類研究
- 申請代碼：F0605
- 負責人職稱：教授
- 研究期限：2008-01-01 至 2010-12-31
- 支持經費：25（萬元）
項目摘要
基於核函式的非線性模式分類方法，簡稱核方法，已經成為模式識別和機器學習領域中的重要方法。核方法本質上是高維映射空間中的線性分類，其有效性是建立在數據在映射空間中具有較高的線性可分性的基礎之上的。由於數據在映射空間中的空間分布及線性可分程度主要是由核函式決定的，因此，選擇或最佳化核函式就成為核方法中至關重要的一個環節。本項目擬在高維映射空間中套用Fisher準則最佳化核函式模型,並通過最佳化核函式來改善數據在映射空間中的線性可分性,進而提升核方法模式分類的效果。另一方面，核函式最佳化提供了一種根據數據的類特徵學習數據相似性度量的有效方法，我們將研究這種基於核函式最佳化的數據相似性度量學習方法，對於提高以相似性度量為基礎的模式識別方法的效果。此外，我們還將研究核函式最佳化方法在圖象資料庫檢索，生物特徵識別及生物信息學等領域的套用。
