《基於統計學習理論的快速算法及其套用研究》是依託北京工業大學，由韓敏擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於統計學習理論的快速算法及其套用研究
- 項目類別：青年科學基金項目
- 項目負責人：韓敏
- 依託單位：北京工業大學
- 批准號：10801004
- 申請代碼：A0205
- 負責人職稱：副教授
- 研究期限：2009-01-01 至 2011-12-31
- 支持經費：17（萬元）
項目摘要
內容：研究基於統計學習理論的Boosting、支持向量機、Neyman-Pearson學習、梯度下降等的快速收斂算法及其推廣，以及算法對Byes函式的逼近程度，並將其套用於圖像處理、模式識別主要是人臉的識別等的領域中。在一定的條件下使構造的算法具有指數型衰減的逼近誤差和取樣誤差，分析算法的相容性條件，以及收斂速度、計算複雜度等問題。構造基於Rademacher複雜度的Neyman-Pearson經驗風險算法，研究其快速收斂性得到學習算法的推廣誤差界。構造基於Neyman-Pearson的Boosting、支撐向量機算法及最小容積集合，並研究其在人臉的識別等模式識別問題中的套用。.意義：用小波分析、調和分析和函式逼近論的理論來研究統計學習理論。為統計學習理論提供調和分析、小波分析和函式逼近論的思想和方法。快速算法為模式識別、圖像處理等領域提供了新的工具，具有很好的發展前景。
