《數據內在結構驅動的大間隔特徵提取算法及其套用研究》是依託江蘇大學，由陳小波擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：數據內在結構驅動的大間隔特徵提取算法及其套用研究
- 項目類別：青年科學基金項目
- 項目負責人：陳小波
- 依託單位：江蘇大學
項目摘要,結題摘要,
項目摘要
從數據中挖掘最有鑑別能力的特徵是模式識別的一個基本問題。本項目旨在針對高維小樣本數據和流形分布數據，借鑑最最佳化領域前沿方法，結合稀疏學習理論，研究大間隔特徵提取模型和算法，並套用於駕駛員頭部姿態估計。面向高維小樣本數據，從特徵空間分解、大間隔模型構建和參數最佳化等角度，研究能利用所有鑑別信息並克服奇異性和類別分離問題的線性特徵提取算法；面向流形分布數據，研究基於多核學習和分類準則的圖構造方法，以刻畫數據的局部近鄰關係和鑑別信息，研究圖上的大間隔特徵提取模型和快速算法，以提取數據的非線性特徵並與模式分類建立直接聯繫；研究能融大間隔原理和稀疏性於一體的特徵提取算法，以利於消除冗餘信息，增強特徵鑑別能力和可解釋性；從特徵生成、姿態子空間學習和回歸估計等角度，研究對身份、光照、遮擋等因素魯棒的駕駛員頭部姿態估計模型和算法。本項目研究將推動特徵提取方法的發展與套用，具有重要的理論意義和實際套用價值。
結題摘要
從數據中提取有效特徵是模式識別的基本問題。本項目圍繞研究計畫展開，將大間隔原理引入特徵提取模型的構建中，並通過挖掘和分析數據內在結構以充分利用先驗信息。主要研究工作集中在大間隔分類與回歸方法、特徵提取模型及在智慧型交通系統中的套用。（1）在大間隔分類與回歸模型方面：針對孿生支持向量機（TSVM）未能充分利用數據先驗分布知識的缺陷，分別構建刻畫類內關係和類間關係的圖，並恰當結合進TSVM的模型中；考慮到數據可能被異常樣本干擾，將L1範數引入孿生支持向量回歸（TSVR），構造一個更容忍較大異常樣本的模型。（2）在大間隔特徵提取模型方面：將大間隔思想和高維數據內在結構相結合，在高維數據類內散度矩陣的零空間和非零空間，分別構造兩個特徵提取模型，並將提取的特徵進行融合；考慮到傳統hinge損失在最佳化上的困難，以最小二乘損失為基礎，構建新的大間隔特徵提取模型，通過疊代求解線性方程而不是二次規劃問題提高模型訓練速度；考慮多模態分布數據，通過聚類算法挖掘數據的先驗結構，再結合大間隔思想，構建能將不同類的子類有效分離的特徵提取模型；將差準則引入基於L1範數的線性鑑別分析，以顯式地平衡類內緊密性和類間可分性，同時引入矩陣正交約束，以非貪婪方式求解所有特徵。（3）相關理論在智慧型交通中的套用方面：提出魯棒聚類和三階段過濾方法，充分利用先驗知識，發現車輛軌跡的正常模式，利用隱Markov模型對每種正常軌跡模式建立模型，以刻畫其動態變化；以軌跡之間的相似性度量和語義標籤之間的相似性度量為基礎，分別建立軌跡超圖和語義標籤超圖，套用分割算法，將兩個超圖各自分割為多個子超圖，提出融合準則以同時利用軌跡超圖和語義標籤超圖中蘊含的信息；為實現魯棒目標跟蹤，利用鑑別顯著性機制產生顯著圖，標註下一幀圖像。然後，依據目標的歷史特徵建立基於區域的鑑別分類器，並以此對目標整體進行分析。本項目的研究完成了預期的成果目標，取得了一系列研究成果，為數據內在結構驅動的特徵提取理論提供了新思路，同時將理論與智慧型交通系統中的實際套用結合，提供了一系列針對具體問題的新方法。發表論文28篇，其中，SCI檢索期刊論文12篇，申請國家發明專利5項，其中3項已獲授權。
