深度結構的子空間學習模型及其收斂性與魯棒性

《深度結構的子空間學習模型及其收斂性與魯棒性》是依託四川大學，由呂建成擔任項目負責人的面上項目。

基本介紹

• 中文名：深度結構的子空間學習模型及其收斂性與魯棒性
• 項目類別：面上項目
• 項目負責人：呂建成
• 依託單位：四川大學

項目摘要

子空間學習是指從高維空間中學習隱含其中的低維本質結構。子空間學習已被廣泛套用於計算機視覺、模式識別等領域。然而，當前大多數子空間學習算法都是基於淺層結構，獲得輸入數據的直接特徵表示，對有限樣本情況下複雜函式的表示能力有限，對複雜分類問題其泛化能力受到制約。本項目把深度結構引入到子空間學習中，逐層學習輸入數據的層次特徵表示，以獲得更高水平的不變特徵。該項目重點研究如何構建子空間學習的深度結構，如深度結構的PCA, 深度結構的LLE；採用稀疏編碼理論來改善深度結構子空間的局部結構保持問題；採用DDT方法來分析深度結構下子空間學習算法收斂性，建立相應的理論基礎；採用自動編碼器用於隱含層的魯棒性學習；用統計分析工具來分析證明算法的魯棒性，建立深度算法魯棒性的理論基礎。本課題將建立深度結構子空間學習模型，完善深度子空間學習算法的收斂性和魯棒性理論基礎。所做工作對實際工程套用有重要的指導意義。

結題摘要

子空間學習是指從高維空間中學習隱含其中的低維本質結構。子空間學習已被廣泛套用於計算機視覺、模式識別等領域。然而，當前大多數子空間學習算法都是基於淺層結構，獲得輸入數據的直接特徵表示，對有限樣本情況下複雜函式的表示能力有限，對複雜分類問題其泛化能力受到制約。本項目把深度結構引入到子空間學習中，逐層學習輸入數據的層次特徵表示，以獲得更高水平的不變特徵。 該項目主要研究內容有：深度結構子空間學習算法的收斂性問題、深度學習下的稀疏子空間學習方法、流形局部結構保持的表達學習方法和深度學習下的流形聚類算法、關於深度結構RBM的表達學習和深度學習下的生成方法。在子空間學習算法的收斂性分析、深度結構的RBM表達學習研究、流形局部結構保持的表達學習方法、深度學習下的稀疏子空間學習方法、深度學習下的生成學習方法、深度學習下的流形聚類算法等方向發表論文20餘篇。研究成果具有較高的理論意義和實用價值。