《關於流形學習的有效性算法與特徵提取解釋理論研究》是依託西安交通大學，由孟德宇擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：關於流形學習的有效性算法與特徵提取解釋理論研究
- 項目類別：青年科學基金項目
- 項目負責人：孟德宇
- 依託單位：西安交通大學
中文摘要,結題摘要,
中文摘要
數據特徵提取是數據建模與數據挖掘的基本問題，而流形學習是數據特徵提取最為近代與熱點的研究領域。本項目擬針對流形學習目前存在的若干關鍵性基礎問題展開研究，將構建能有效用於超大規模與具複雜流形形態數據集的高效流形學習算法，並設計用戶界面友好，綜合功能強大的流形學習套用平台；運用視覺原理解釋流形學習的降維特徵與意義，搭建其意義解釋理論框架，構造具有可控降維特徵的新型流形學習算法，並發展其在圖像處理與地理信息挖掘等實際領域的套用；提出流形學習方法優劣性評判標準及其量化計算公式，並由此搭建針對問題的流形學習方法評判與選擇算法。所獲結果將不僅在理論層面揭示流形學習的有效性機理與降維意義，也有望在套用層面大大擴展現有流形學習算法的數據適用範圍(如大規模與複雜形態流形數據集)與可套用性領域(如圖像處理與地理信息挖掘)，從而具有深刻的理論意義與廣闊的套用前景。
結題摘要
數據特徵提取是數據建模與數據挖掘的基本問題。本項目針對包括流形學習在內的特徵提取中目前存在的若干關鍵性基礎問題展開研究，構建了能有效用於大規模與具複雜流形形態數據集的高效流形學習算法；運用視覺原理解釋特徵學習中的內涵與意義，並發展了其在圖像處理與地理信息挖掘等實際領域的套用；提出了流形學習方法優劣性評判標準及其量化計算公式，並由此搭建了針對問題的流形學習方法評判與選擇算法。所獲結果不僅在理論層面揭示特徵提取的有效性機理，也在套用層面擴展了現有流形學習算法的數據適用範圍與可套用性領域，從而具有深刻的理論意義與廣闊的套用前景。
