《基於機率圖模型的數據降維算法研究》是依託西安電子科技大學，由王秀美擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於機率圖模型的數據降維算法研究
- 項目類別：青年科學基金項目
- 項目負責人：王秀美
- 依託單位：西安電子科技大學
中文摘要,結題摘要,
中文摘要
數據降維是解決維數災難的有效途徑，相關技術的發展對當前機器學習和計算機視覺等領域有著重要意義。然而，目前降維算法仍然面臨著數據內在結構非線性、噪聲大以及樣本之間相互依賴關係複雜等問題。為了能對高維數據進行有效處理，本項目擬以機率論、圖論、幾何最佳化等數學理論為基礎，充分利用機器學習中的生成式模型、稀疏表示、信念傳遞推理等方法，提出可以處理複雜數據的機率降維算法：首先利用稀疏表示建立樣本的近鄰關係，提出基於機率圖模型的無監督降維算法；其次，為了利用樣本的類標信息，提高降維模型的判別性，設計基於變參數貝葉斯模型的監督降維算法，進一步，針對數據的標記信息較少，人工標記樣本成本較高的實際問題，設計基於最小閉包球類標信息傳遞算法，再利用監督降維算法降維；最後，提出了典型性樣本選擇方法及基於信念傳遞的模型推斷方法，實現降維模型的快速最佳化。該研究成果將為數據挖掘和模式識別領域提供新思路和新方法。
結題摘要
在本項目支撐下，我們在數據降維方面取得了一系列成果，另外課題組還在圖像檢索、圖像超分辨方面開拓出新的研究領域，為進一步更深入的研究奠定了基礎，執行情況的要點可概括為以下幾個方面：(1) 提出了基於圖模型和非負矩陣分解的降維方法，以及結構化PFC模型；(2)提出了監督和半監督的圖像哈希方法，以及局部保持的圖像哈希方法；(3)利用貝葉斯理論和隱空間的概念，建立高分辨塊對低分辨塊對之間的關係，提出一種單幀圖像的超解析度重建方法；(4)結合主題模型和視覺語義分析，提出了一種針對醫學圖像病變區域檢測的半監督主題模型。 本項目的具體研究成果包括：培養博士生1名，碩士生7名；發表（錄用）與該課題相關的學術論文共8篇，其中國際刊物3篇，國核心心刊物3篇，國際會議2篇，其中SCI收錄3篇，EI收錄6篇；課題組與2014年11月舉辦了第十二屆中國機器學習研討會。
