測度學習及其套用研究

測度學習及其套用研究

《測度學習及其套用研究》是依託蘇州大學,由張莉擔任項目負責人的面上項目。

基本介紹

  • 中文名:測度學習及其套用研究
  • 項目類別:面上項目
  • 項目負責人:張莉
  • 依託單位:蘇州大學
項目摘要,結題摘要,

項目摘要

近年來測度學習已成為了機器學習領域研究的一個方向,這是由於測度在模式識別、信息檢索、數據降維和低維可視化、機器視覺等領域有著廣泛套用。本項目圍繞測度學習及其套用展開研究。主要研究內容包括:針對目前測度學習中所採用全局馬氏矩陣局域表示能力不足的問題,提出採用局域相關非線性經驗映射模型以及類別相關測度模型,同時在最佳化準則中兼顧全局和局域的平衡,以期更好解決此問題;針對模型表示能力擴充以及引入局域信息後帶來的學習算法過擬合問題,我們將採用類似統計學習理論中模型正則約束方法和類似人臉識別中規則信息和不規則信息分別處理的方法來研究該問題;針對目前測度學習中半正定約束引起的大訓練複雜度和KNN 算法引起的大測試複雜度這兩個難點,我們將通過採用分解算法、貪婪算法、1 類SVM 方法、稀疏和低秩學習方法來研究更加有效的測度學習和檢驗算法;研究測度學習中的不平衡問題的解決方法;套用為圖像分類和分割。

結題摘要

本項目對測度學習及其套用展開了研究。主要完成的工作包括兩個方面:有監督度量學習和相似性學習。在有監督學習方面:提出了有監督稀疏鄰域保持嵌入方法;提出基於雙圖的判別鄰域嵌入方法;提出基於類別信息的鄰域保持嵌入算法;提出局部平衡的判別近鄰嵌入算法;提出相似平衡的判別鄰域嵌入算法;提出隱空間鄰域分量分析以及隱空間判別鄰域嵌入方法等。在相似性學習方面:提出基於餘弦相似性的集成方法;提出基於多支持向量數據描述的相似性學習;提出基於一類支持向量機的快速相似性學習以及提出針對不平衡數據的支持向量機相似性學習方法等。這些方法模型被套用到圖像分類和癌症分類中,並獲得較好的性能。在本項目的研究期間,在高質量的學術期刊和會議上發表論文56篇,申請發明專利73項,獲得發明專利授權20項,獲得軟體著作權19項,培養碩士研究生10名,博士研究生2名。項目主持人獲得2015年江蘇省科技進步獎二等獎一項。

相關詞條

熱門詞條

聯絡我們