《多核學習研究》是依託西安電子科技大學,由周水生擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:多核學習研究
- 項目類別:青年科學基金項目
- 項目負責人:周水生
- 依託單位:西安電子科技大學
- 負責人職稱:教授
- 申請代碼:F06
- 研究期限:2007-01-01 至 2009-12-31
- 批准號:60603098
- 支持經費:22(萬元)
《多核學習研究》是依託西安電子科技大學,由周水生擔任項目負責人的青年科學基金項目。
《多核學習研究》是依託西安電子科技大學,由周水生擔任項目負責人的青年科學基金項目。中文摘要支持向量機(SVM)這種通用機器學習方法由於其堅實的理論基礎和較好的推廣能力,強大的非線性和高維處理能力,已成為機器學習領域的研究...
《多核學習最佳化模型的研究及套用》是依託中國礦業大學,由梁志貞擔任項目負責人的青年科學基金項目。項目摘要 多核學習方法不僅能在某種程度上克服核學習方法中核參數的選擇問題,而且能為融合各種數據源提供了一種新的組合策略。多核學習...
《基於廣義核的多核學習及拓展研究》是依託東南大學,由薛暉擔任項目負責人的面上項目。中文摘要 核方法是機器學習中一類強有力的統計學習技術,被廣泛套用於分類、回歸、聚類等諸多領域。核選擇是核方法的關鍵內容,因其是提高核方法泛化...
本項目關於多核學習中樣本自適應機制的理論分析與算法實現,可推動多核學習研究的理論發展,有助於清除它在有缺失或噪聲情形下的套用障礙,並進一步擴大其套用前景。該項目的部分前期研究成果已被國際著名期刊IEEE TNNLS,IEEE TCyb及PR所...
《基於多核一類SVM學習的視頻總結算法研究》是依託深圳大學,由江健民擔任項目負責人的面上項目。項目摘要 目前的視頻總結研究,主要停留在對視頻內容特徵提取,並對特徵進行評估排序,選擇比重較大的幀或鏡頭組成總結視頻的階段。但由於局限...
《基於稀疏非一致多核學習的低解析度視頻識別研究》是依託中山大學,由任傳賢擔任項目負責人的青年科學基金項目。中文摘要 以圖像與視頻為主要媒介的生物特徵識別是模式識別與自動化套用領域的前沿研究方向,也是人類在基礎理論與套用研究中面臨...
本課題擬研究多核支持向量機的學習算法和簡化方法,降低多核支持向量機的時間複雜度,基本達到在大規模數據集上套用的目的。同時根據云計算環境的特點設計用於雲安全的核函式。主要研究內容包括:(1) 有效實現多核支持向量機的快速學習算法...
《共形變換核的多核拓展及其最佳化學習方法》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。項目摘要 鑒於多核學習在核方法理論和套用研究方面的重要性,特別是非線性組合的數據依賴多核所顯示的許多良好特性,課題擬研究針對共形...
在理論層面上,通過研究高維空間數據的分布特性,利用最大熵原理和特徵子空間方法,研究哈希最近鄰搜尋機理與哈希性能評價指標體系及提升方法。在技術層面上,研究基於多核學習的多視覺特徵融合的哈希方法,研究基於語義特徵選擇的哈希監督學習...
本課題將針對這些難題,從面向社交網路的數字指紋編碼、嵌入、索引與快速追蹤、套用框架四個方面開展相關理論及關鍵技術研究。擬結合高維數據感知哈希和社區檢測相關理論與方法,基於圖譜理論和多核學習,研究具有社區感知的組合數字指紋編碼;...
催化活性及催化環境等方面進行核酸酶的模擬研究。在全面探索這些核酸酶的橋聯多核配合物模型物的譜學特徵、金屬種類和價態變化、自旋載體磁相互作用以及在生理條件下對DNA、BNPP和DMP的催化水解作 ...
本項目將針對WIM TV互動視頻技術所面臨的共性基礎問題,在已有的機器學習和視頻分析等相關工作的基礎上,研究基於學習的視頻關注計算理論與方法。在方法層面,提出並研究自適應多核學習方法,包括自適應多核分類、多核判別聚類和結構化輸出...
研究多視圖學習算法,利用多視圖信息有效削減假設空間的複雜度,建立快速學習率,並套用於青光眼早期診斷。在正則化學習框架下,研究基於多核,特別是基於無限核的假設空間的逼近能力和複雜度估計,探索基於數據的自適應的核函式構造方法,...
具體研究內容包括:研究增量學習與選擇性集成相結合的入侵檢測模型;對大量網路攻擊案例進行分析,研究攻擊行為的特徵精簡算法和動態攻擊行為的特徵提取算法;研究增量式基本分類器學習方法和快速選擇性集成算法;研究上述機器學習方法在多核環境...
研究內容包括:(1)提取序列譜進化信息,生成新的基於序列譜的蛋白質表示;(2)基於自然語言處理技術、序列譜比對算法和多核學習的蛋白質遠程同源性檢測研究;(3)挖掘蛋白質家族特徵和分析解釋其生物學含義;(4)套用提出的蛋白質...
1.2.1 多核CPU 1.2.2 SMP與集群計算 1.2.3 並行與分散式計算 1.2.4 高性能GPU 1.2.5 FPGA高性能計算 1.3 深度學習對高性能計算的要求 第2章 GPU高性能計算與CUDA開發 2.1 GPU簡介 2.2 GPU與CPU 2.3 ...
數據理解是機器學習和數據挖掘中的基本需求。本項目從理論、方法和套用三個方面出發,研究數據理解若干基本問題。理論部分開展了統計學習算法的性能分析的研究工作:研究基於間隔和損失函式的機器學習問題、無約束最佳化的核學習問題、多核學習...
在套用方面,我們主要研究核矩陣學習方法在生物信息學等方面的套用。利用多核學習研究了蛋白質位點的預測問題;利用支持向量機研究了蛋白和蛋白相互作用的預測問題;根據蛋白和蛋白的相互作用網,以及蛋白和藥物的相互作用網,對蛋白和藥物的...
另外,我們還推廣了中心支持向量機,加入了廣義特徵值的概念,建立了新模型和實用算法;提出了基於標籤的多核學習模型;建立了帶有隱私數據分類的線性核分類器模型;結合集成學習技術提出了解決數據不均衡分類問題的新模型。我們還對半監督...
研究了圖像統計特徵和失真變化之間的映射關係,分析了不同類型及不同程度的失真對這些統計特徵的影響。利用多核學習算法分別基於全局框架和兩階段框架構建了兩種通用型無參考質量評價算法。 項目實施過程中,課題組在IEEE Trans等國際期刊和...
項目研究期間,提出了結構性輸入/輸出正則化因子、基於圖的共享特徵學習、基於稀疏組效應和多核學習的特徵選擇、結構稀疏譜哈希、基於最大間隔學習的張量分解、非凸組稀疏一致性選擇模型等算法和具體方法。 研究期間,項目組一共發表論文20...
2015年1月至今工作於西南科技大學國防科技學院,2021年6月畢業於南京理工大學控制科學與工程專業,獲工學博士學位。主要從事圖像特徵提取、多核學習、多視圖學習、終身學習等研究工作。主要成就 近年來,聚焦於多模態智慧型計算相關的基礎研究...
段立新,電子科技大學教授,“校百人”計畫入選者。他的主要研究領域包括機器學習、計算機視覺、眼部醫療圖像分析、大數據等;主要研究內容涉及遷移學習、深度學習、多示例學習、多核學習等。他在國際會議和期刊上共發表論文30餘篇,其中包括...
樊建平,1963年11月出生於內 蒙古,高性能計算機及套用領域專家,國際歐亞科學院院士 ,中國科學院深圳先進技術研究院研究員。樊建平於1984年畢業於南開大學;1990年獲得中國科學院計算技術研究所工學博士學位,同年任職於中國科學院計算技術...
主要研究內容包括:1、基於粒計算的多信道圖像特徵選取;2、基於結構化學習的多模態特徵融合模型;3、基於多核學習的多模態特徵融合模型;4、相應模型的矩陣批量疊代算法。通過這些研究內容的探索與創新,建立四個層次的理論體系,提出並...
學習方法的泛化能力(Generalization Error)是由該方法學習到的模型對未知數據的預測能力,是學習方法本質上重要的性質。現實中採用最多的辦法是通過測試泛化誤差來評價學習方法的泛化能力。泛化誤差界刻畫了學習算法的經驗風險與期望風險之間...
目前主要從事深度學習、遙感數據處理與解譯相關領域的研究。緊跟信息處理領域的國際研究前沿和國家重點研究方向——遙感數據解譯,系統研究了稀疏多核學習、深度神經網路、生成對抗學習、深度強化學習模型及理論,並用於海量遙感數據挖掘和複雜...