《高維空間模式鑑別分析理論與方法研究》是依託上海交通大學，由施鵬飛擔任項目負責人的面上項目。
基本介紹
- 中文名：高維空間模式鑑別分析理論與方法研究
- 項目類別：面上項目
- 項目負責人：施鵬飛
- 依託單位：上海交通大學
- 負責人職稱：教授
- 批准號：60775009
- 支持經費：28（萬元）
- 申請代碼：F0605
- 研究期限：2008-01-01 至 2010-12-31
項目摘要
模式鑑別分析是模式識別的一個重要研究方向，本項研究針對模式空間的高維性、訓練樣本的有限性，將模式鑑別分析向高維空間的非線性分類拓展。基於核函式的線性判別（KLDA）、核不相關鑑別分析及拉普拉斯鑑別的理論和方法，研究模式分類中的高維數、小樣本、非線性、局部極小等套用問題，提高模式分類的精度和速度，研究鑑別分析中核與多核函式的構建及其參數選擇的理論和快速算法。本項申請將深入探討統計學習理論及方法，設計光滑或半光滑化的支持向量機並驗證其有效性；理清主流形方法與數據描述和模式表示的關係，提出適合提取描述性特徵的主流形方法；進一步掌握基於流形的降維與鑑別分析的關係，提高流形學習的維數壓縮及提取特徵的鑑別能力，豐富和拓展模式鑑別分析的理論和方法，並將其套用於手寫字元識別及生物特徵識別，解決在複雜環境，如局部遮擋和可變光照條件下的人臉和活體虹膜識別的實際套用問題。
