《面向高維數據的稀疏正則化方法及套用》是依託中山大學，由戴道清擔任項目負責人的面上項目。
基本介紹
- 中文名：面向高維數據的稀疏正則化方法及套用
- 項目類別：面上項目
- 項目負責人：戴道清
- 依託單位：中山大學
中文摘要,結題摘要,
中文摘要
本項目依據《國家中長期科學和技術發展規劃綱要》，從支撐信息及相關領域重大需求中凝鍊出套用數學問題。高維數據的稀疏表示理論近年來受到廣泛關注，是統計學、套用數學和機器學習等領域的研究熱點。本項目利用正則化技術及壓縮感知原理，提出嶄新的數據分析模型。本項目將重點研究：（1）基於稀疏性的回歸模型；（2）高維數據的本徵表達；（3）快速線上學習算法。項目的創新之處在於將新的數學理論與具體的實際問題相結合，並套用於面像識別、生物信息學等領域。本課題的研究將豐富套用數學與機器學習理論，並為實際問題提供新的解決途徑。
結題摘要
本課題圍繞稀疏正則化方法及套用在以下幾個方面展開了研究。(1) 基於多尺度分析與稀疏表示原理的多層判別模型與分類器設計，有效處理了帶有光線或姿勢變化干擾的圖像識別問題。(2)針對帶有嚴重光線變化的圖像數據分類問題，提出多層曲面反光率假設與多尺度TV-L1分解模型。(3) 針對圖像遮擋物特點，對圖像的梯度特徵進行聚類分析和多尺度分析，設計加權的稀疏表示分類器。該方法不僅對帶有遮擋的數據在識別性能上有了極大的提高，而且對遮擋部分的色彩具有十分優異的魯棒性能。(4)稀疏網路模型的建模與套用：生物標誌物檢測及分子相互作用機制的稀疏性建模。主要成果發表於IEEE TIP, IEEE TKDE, IEEE TCYB, BMC Bioinformatics等國際權威期刊。
