《植物分子設計中高維數據的低維稀疏逼近方法》是依託中山大學，由許躍生擔任項目負責人的重大研究計畫。
基本介紹
- 中文名：植物分子設計中高維數據的低維稀疏逼近方法
- 項目類別：重大研究計畫
- 項目負責人：許躍生
- 依託單位：中山大學
中文摘要,結題摘要,
中文摘要
前沿信息技術、生物技術、先進醫療設備與生物醫用材料等國家中長期優先發展主題的研究.和開發都需要處理高維複雜數據。本項目具體針對高等植物花形分子設計中數據維數極高、結構極為複雜的特點，建立若干關鍵低維稀疏逼近方法，並設計原創的、高精度的、高效率的算法。預期在壓縮感知、數據稀疏表示與分解、流形上和基於核方法的降維、具有稀疏逼近性質的正則化重構方法等方面取得突破性進展，為高等植物花形的分子設計育種中建立理論依據和基本參數提供一套高效的低維稀疏逼近方法。 擬設立五個研究方向：（1）基於壓縮感知的稀疏採樣和處理；（2）自適應信號基底構造與快速分解算法；（3）流形上和基於核方法的降維；（4）不完整稀疏採樣數據重構的Proximity和機器學習方法；（5）低維稀疏逼近方法在植物花形分子設計中的套用。
結題摘要
此項目針對植物花形分子設計中數據維數高、結構複雜的特點，研究相關的低維稀疏逼近數學理論和算法並套用於植物花形分子設計。項目取得一系列重要成果，包括：提出了DNA和蛋白質序列比對算法HS-BLASTN和H-BLASTP/X，在計算結果與國際權威的MegaBLAST和NCBI BLAST一致的前提下，HS-BLASTN的運行速度比MegaBLAST最高快505倍，H-BLASTP/X的運行速度比NCBI BLAST快5-10倍；在基於壓縮感知的信號稀疏表示和信號自適應快速分解方面，在最佳RIP常數，Vakman分析等取得重要原創性結果；在流形和基於核方法的降維方法方面，建立了基於係數正則化的支撐向量機回歸方法和基於核的1-範數正則化回歸算法；在稀疏機器學習方面，建立了1-範數可再生核巴拿赫空間理論並套用於稀疏SVM算法；在非光滑函式的最佳化問題求解方面，發展了基於迫近運算元的不動點算法，並建立了其收斂性理論，從而揭示了著名的Bregman疊代法對一大類有套用意義的問題的不收斂性，同時提出了改進的方案。項目組套用上述部分數學理論和算法探究花發育的分子機理網路，初步提出了擬南芥花模式建成的分子機制。項目組成員在Inverse Problem，Applied and Computational Harmonic Analysis，Mathematics of Computation等期刊發表論文45篇，獲得計算機軟體著作權一項。項目完滿地完成了預期研究目標。
