多變數IB方法及算法的研究

《多變數IB方法及算法的研究》是依託鄭州大學，由葉陽東擔任項目負責人的面上項目。

基本介紹

• 中文名：多變數IB方法及算法的研究
• 項目類別：面上項目
• 項目負責人：葉陽東
• 依託單位：鄭州大學

項目摘要

多變數IB方法在處理多元化、數量巨大、多樣性特徵的信息方面有著獨特的優勢，本項目針對多變數IB方法研究中所存在的關鍵問題：相關維數的確定、協作模型的建立、平衡參數的確定、多變數IB方法的套用適宜性等問題；基於不同的多變數IB模型，擬採用最小描述長度準則（MDL）及近鄰傳播方法來自動確定相關係統的維數；以多變數互信息作為壓縮變數之間約束程度的度量，解決變數之間相互協作的問題；用基於滑動窗的層次聚集樹作為描述序列數據的基本結構，解決上下文相關IB序列特徵空間邊界確定的問題；基於ANN，採用自適應調整技術，求解平衡參數β；項目擬採用不同的多變數IB模型，進行隱藏信息分析、早期食管癌內鏡圖像識別的研究，力圖發現多變數IB方法所適應的問題特徵及規律。該項目的研究一方面豐富了多變數IB方法及算法，另一方面對多變數IB算法套用於信息安全、海量數據集分析、圖像模式分析、醫療診斷提供了堅實的基礎。

結題摘要

項目針對多變數IB方法及算法研究中所存在的多種相關變數的協調問題，從數據雙向壓縮、無冗餘多視角聚類、多特徵變數信息融合和選擇性數據分析四個問題切入，提出了交叉對稱IB協作模型、無冗餘IB協作模型、多特徵IB協作模型與基於數據局部一致性特徵的IB協作模型，並研究了相關的最佳化算法。針對多變數IB方法相關參數平衡調整和確定等問題，在IB方法上引入屬性權重計算方法及賦權機制，從而提高IB方法的數據分析性能。針對多變數IB方法的套用適宜性的問題，進行了多變數IB方法、互信息在視頻數據、圖像數據、醫學信息、群體行為模式識別等方面的套用研究，提出了有效的模型和相關算法，對多變數IB方法套用適應問題的特徵有了深入的認識。為了更有效的研究多變數IB算法的效率，對其他相關方法和分析工具也進行了一些相關性研究，提出了一種增量式學習方法、一種基於近鄰準則的組合選擇方法等等；進行了多種時間序列數據處理方法的研究，改進相關的模型，豐富了多變數IB方法研究的實驗平台。項目所取得的一些有意義的成果，發表在國際、國內重要的學術會議/期刊如：ACM Multimedia 2012、CIKM 2012、IJCAI 2013、ACM Multimedia 2015、 Knowledge-Based Systems、Decision Support Systems、 Computer Graphics Forum、Pattern Recognition Letters 、Intelligent Data Analysis、計算機學報、計算機研究與發展、電子學報等。