演化數據的若干學習問題研究

《演化數據的若干學習問題研究》是依託清華大學，由張長水擔任項目負責人的面上項目。

基本介紹

• 中文名：演化數據的若干學習問題研究
• 依託單位：清華大學
• 項目負責人：張長水
• 項目類別：面上項目

項目摘要

演化數據上的學習是近年來機器學習和數據挖掘中出現的一個新的研究課題，它考慮數據分布隨時間的變化這一情況，是實際套用中普遍存在的學習問題。本項目將針對演化數據上的學習的若干理論、方法和套用問題進行探討。我們將從三個方面對理論和方法的問題展開研究，它們是演化數據上的聚類和半監督學習、演化數據上的主動學習，和演化數據上的線上學習。同時，我們將搭建一個實驗性系統，對BBS、新聞文本分析等具體套用問題進行套用研究。這些理論、方法和套用問題的研究將在理論和方法上豐富和拓展機器學習理論和方法。同時，該項目的研究也有著廣闊的套用需求，將產生很大的套用效益。

結題摘要

演化數據學習是機器學習領域中一個新的、具有挑戰性、具有重要理論意義和實用價值，具有廣闊套用前景的研究問題。我們針對這個問題進行了一系列兼顧了深度和廣度的研究，並取得了較大的進展。 首先我們研究了演化數據的基本理論和框架，提出並改進了數種最佳化算法，其中包括求解置信域步長的多階段共軛梯度法、求解正則最小二乘問題的對偶投影牛頓法、基於歐式投影問題的分片線性尋根（PRF）算法、求解非負矩陣分解的有效投影牛頓法、基於李普希茨梯度稀疏正則的高維推斷、求解非凸正則最佳化問題的疊代收縮算法和正則化Boosting 2011方法。 然後我們在演化數據學習的各個領域都有所建樹，包括演化數據上的半監督學習、遷移學習、主動學習、多任務、交叉特徵學習、線上學習、核學習等。 最後，我們進行了知識梳理和總結，並在一些實際套用領域探索了成果轉化的可能性。我們提出了用於矩陣數據分類的多階多線性支持向量機並進行了實驗證明其有效性，我們提出的層次互動模型可以用於預測輕度認知患者是否可能轉換為阿爾茲海默症。 我們按照計畫完成了研究任務，並且在國際一流的期刊和會議上發表了19篇文章，這些文章絕大部分被SCI和EI檢索，超額完成了我們的預期目標。同時，項目在研期間資助了一大批研究生完成學業，有力地支持了國內外學術交流。