《大規模異構數據匹配的距離度量學習》是依託天津大學，由朱鵬飛擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：大規模異構數據匹配的距離度量學習
- 項目類別：青年科學基金項目
- 項目負責人：朱鵬飛
- 依託單位：天津大學
項目摘要,結題摘要,
項目摘要
隨著數字圖像設備、移動終端與社交網路技術的快速發展與套用，異構數據呈現爆炸式增長並廣泛套用於計算機視覺與多媒體內容檢索等領域。本項目針對異構數據匹配中的距離度量學習問題，提出了大規模的異構數據距離度量學習方法。異構數據具有數據類型多樣、數據來源多源、數據規模大以及帶標籤樣本少等特性。將異構數據的距離度量學習問題建模成一個樣本對分類問題，通過引入樣本對距離核、拉普拉斯正則及多特徵樣本對核，分別給出了有監督、半監督和多特徵的異構數據距離度量學習方法。由於提出的模型可分別通過大尺度的支撐向量機、拉普拉斯支撐向量機和多核學習最佳化方法進行求解，可有效地解決大規模樣本訓練問題。本項目的度量學習方法可套用於異構圖像分類及跨媒體視覺檢索中，以實現基礎研究與套用的有效結合。研究成果對廣義的度量學習、多模態分類問題具有重要的理論價值和借鑑意義。
結題摘要
隨著數字圖像設備、移動終端與社交網路技術的快速發展與套用，異構數據呈現爆炸式增長並廣泛套用於計算機視覺與多媒體內容檢索等領域。本項目針對異構數據匹配中的距離度量學習問題，提出了大規模的異構數據距離度量學習方法。異構數據具有數據類型多樣、數據來源多源、數據規模大以及帶標籤樣本少等特性。本項目的重要結果包括以下幾個方面：（1）提出了套用於單標記學習、多標記學習以及標籤分布學習的統一度量學習模型；（2）提出了適用於SPD流形和格拉斯曼流形的統一度量學習模型；（3）提出了套用於異構數據的幾何平均度量學習模型。該項目的研究成果解決了數據標籤複雜、非線性分布以及數據混雜條件的度量學習問題，為視覺和多媒體領域的內容檢索、分類以及匹配等問題提供了有效的距離度量，具備一定的理論和套用價值。
