《非線性線上學習算法研究》是依託復旦大學，由池明旻擔任項目負責人的面上項目。
基本介紹
- 中文名：非線性線上學習算法研究
- 依託單位：復旦大學
- 項目類別：面上項目
- 項目負責人：池明旻
項目摘要,結題摘要,
項目摘要
隨著網際網路的飛速發展，每天都有海量文本視頻數據湧現出來等待人們對其進行自動、實時、線上分析整理，比如監控系統中的物體和人的跟蹤、股票數據的實時分析等。這些問題部分可由機器學習和模式識別中的線上學習算法來解決。目前現有的線上學習方法主要處理線性問題，然而實際套用中得到的數據一般都高度複雜並且大部分為非線性的，現有線性線上學習算法很難滿足實際套用需求。故本項目提出適用於這個問題的非線性線上學習解決方案，同時由於網路中的視頻和文本數據皆為高維數據，因而如何在線上學習框架下同時處理高維數據是本項目要解決的另外一個問題。本項目擬自動線上尋找數據的低維子空間，在此空間對數據的統計信息進行估計，同時在此低維子空間裡設計基於該統計信息的非線性線上更新策略，並對提出的算法進行嚴格的理論分析，最後將研究成果套用到現實文本視頻數據分析。
結題摘要
本項目提出了能解決大數據分類問題的三個算法並解決實際套用問題，具體如下：（1）機率邊界的非線性算法——設計有效數據預處理方法，定義相似度度量預測新數據；（2）基於感知器的非線性融合算法（簡稱Fuseptron）——將相似數據融合成一個新數據，提出新數據生成模型，然後使用hinge-loss來設計分類器；（3）領域自適應算法——基於輸入-輸出空間類標記的一致性,改變訓練樣本的分布使其儘量向測試樣本的分布靠攏，提高分類器的準確性和魯棒性，該方法應在遙感數據分類。在自然基金的資助下，主持和參與兩項大數據相關的國際項目，並申請IEEE雜誌JSTARS“遙感大數據”專題擔任客座主編。
