高維相關數據分析的關聯結構研究

《高維相關數據分析的關聯結構研究》是依託中國人民解放軍國防科技大學，由侯臣平擔任項目負責人的面上項目。

基本介紹

• 中文名：高維相關數據分析的關聯結構研究
• 項目類別：面上項目
• 項目負責人：侯臣平
• 依託單位：中國人民解放軍國防科技大學

中文摘要

關聯結構是近年來統計數據分析和機器學習中出現的一個新的研究課題，它通過隨機變數的變換直接描述相關性，為相關數據的分析提供了一條嶄新的思路。本項目以高維相關數據分析為背景，針對關聯結構的理論、方法和套用問題開展研究。理論上主要探討關聯結構描述高維相關數據相關性的機理以及關聯結構中典型統計量的估計問題。方法上，一方面，研究基於維數約簡的高維相關數據關聯結構構建方法，另一方面，根據已構建的關聯結構，研究基於關聯結構的弱監督分類方法。套用中，依據關聯結構，主要研究高維網際網路網頁文本數據篩選和生物圖像數據分類兩個具體問題。這三個部分緊密相連，理論和方法研究為套用研究提供指導，套用研究為理論和方法研究提供背景。課題研究不僅能夠豐富和拓展機器學習的理論和方法，同時對於解決實際中許多具體套用問題也有重要的指導意義。

結題摘要

高維數據特徵之間的關係描述是國際機器學習界的重要研究課題，相關技術廣泛套用於文檔分類、圖像分類、信息檢索等領域。本項目圍繞描述高維數據關係的關聯結構及在此基礎上的方法設計和實際套用問題開展研究，完成了原定研究計畫，主要取得了以下成果：(1) 為了應對開放環境對高維數據分析提出的新挑戰，採用關聯結構描述特徵關係，提出了弱監督魯棒學習系列方法；(2) 為了減輕維數升高帶來的維數災難問題，基於關聯結構，提出了高維數據維數約簡系列方法；(3) 為了應對高維數據維數升高會帶來計算量激增的問題，提出了能夠快速進行高維數據分類的基於特徵關係的高維數據分類方法；(4) 面向國家軍事需求，開展了多項高維數據處理方法在軍事套用領域的創新研究，有效性地解決了套用中的一些關鍵問題，已發揮了顯著的軍事效益。本課題共發表/錄用論文26篇，其中SCI檢索17篇。其中，CCF A 類期刊/會議（TPAMI、TIP、TKDE、AAAI）8 篇；B 類期刊/會議（TCYB、TNNLS/TNN、ICDM）6篇。IEEE 彙刊（TPAMI、TIP、TKDE、TCYB、TNNLS/TNN）長文12篇。本項目成果已經引起國際同行的廣泛關注，引用源包括IEEE TPAMI、IEEE TKDE、IEEE TIP、KDD、AAAI、IJCAI等。培養了多名研究生。