《多視角學習理論與方法研究》是依託北京交通大學，由朱振峰擔任項目負責人的面上項目。
基本介紹
- 中文名：多視角學習理論與方法研究
- 項目類別：面上項目
- 項目負責人：朱振峰
- 依託單位：北京交通大學
項目摘要,結題摘要,
項目摘要
信息技術的迅猛發展使人們生產與收集的數據越來越複雜。除了數據的維度越來越高，表示形式也越來越多樣化，呈現出多態性、多源性和多描述性的特點，這些數據通常被統一稱為多視角數據。大量存在的多視角數據，使得傳統的面向單一視角的機器學習理論與方法面臨著新的挑戰。開展多視角學習理論與分析方法研究已成為目前機器學習領域的研究熱點，具有很好的理論研究意義和套用價值。基於多視角數據視角間的相容互補性，圍繞多視角數據的共性信息挖掘、據完備性的構建及高效索引三個關鍵問題，本項目將深入開展：（1）多視角數據的共享表示挖掘；（2）多視角數據的哈希量化技術研究；（3）多視角數據的缺失補全研究；（4）多視角數據的視角對應匹配；（5） 面向多視角數據的離群點檢測 等方面的研究。這些研究將有助於挖掘出多視角數據中潛在的共性信息，從而實現對由多視角數據所刻畫的對象的深度理解。研究成果也將進一步豐富現有的機器學習理論。
結題摘要
信息技術的迅猛發展使人們生產與收集的數據呈現出多態性、多源性和多描述性的特點，這些數據通常被統一稱為多視角數據。這些大量存在的多視角數據使得傳統的面向單一視角的機器學習理論與方法面臨著新的挑戰。開展多視角學習理論與分析方法研究已成為目前機器學習領域的熱點研究方向，具有很好的理論研究意義和套用價值。 在國家自然科學基金《多視角學習理論與方法研究》（ No. 61572068,，2016.1.1-2019.12.31）的資助下，嚴格按照研究計畫，圓滿完成了各項研究任務。基於多視角數據視角間的相容互補性，圍繞多視角數據的共性信息挖掘、完備性構建及高效索引三個關鍵問題，深入開展了：（1）多視角數據的共享表示；（2）多視角數據的缺失補全； （3）多視角數據的哈希量化技術； （4）面向多視角數據的異常檢測；(5) 多視角數據時空表征學習與預測建模；（6）面向多視角數據的原型學習等方面的研究。研究成果在重要國際與國內雜誌IEEE Trans. 系列TKDE、TMM、TNNLS、TCYB、TCSVT、Pattern Recognition 、Information Science，軟體學報以及 AAAI、IJCAI、ICME等本領域高級別學術會議上發表學術論文27篇，其中，SCI檢索16 篇。獲得授權發明專利2項，申請發明專利1項。在學術獎勵方面，2篇論文獲得中國多媒體大會（2017）優秀論文，1篇論文獲得中國計算機視覺視覺大會（CCCV2017）最佳論文提名。在學術競賽方面，課題組在 KDD Cup 2016競賽中取得了第二賽季Rank1並且獲得Honorable Mention Award。在CIKM Cup 2016中，課題組在兩個Track的競賽中分別取得了Top10和Rank3的成績。在KDD Cup2018競賽中，獲得三個賽道的20/4170（Top20）,38/4170（Top1%）、39/4170（Top1%）的名次。在CVPR2019的UG2+競賽中，獲得6/83。 經過課題組4年的努力，理論成果、人才培養、合作交流等方面均達到了項目任務書中制定的各項指標。研究成果、人才培養、合作交流等方面均達到了項目任務書中制定的各項指標。研究成果將進一步豐富現有的機器學習中多視角學習理論與方法，也將能夠為醫學、安全等行業、部門的需求提供理論基礎與技術支撐。
