当前位置:科学网首页 > 基金首页 > 稀疏与冗余表征的理论及应用研究

国家自然科学基金项目查询

稀疏与冗余表征的理论及应用研究

批准号61170109 学科分类模式识别基础理论与方法 ( F060301 )
项目负责人郑忠龙 负责人职称教授 依托单位浙江师范大学
资助金额56.00
万元
项目类别面上项目 研究期限2012 年 01 月 01 日 至
2015 年 12 月 31 日
中文主题词稀疏;高维;正则化;大数据;
英文主题词Sparse;High dimensionality;Regularization;Big data;

摘要

中文摘要 稀疏与冗余表征是近年来机器学习、模式识别、信号处理、计算机视觉等领域的热点问题,其基本思想是从尽量少的数据中提取尽量多的信息,它是对传统信息论的一个极为重要的补充和延伸,正在形成一套自己的理论体系,有着极大的理论和应用前景。本项目以Candes、Tao和Donoho提出的压缩传感为基础,针对高维非结构化数据,探索数据稀疏与冗余表征的新理论与新方法。具体包括:(1)提出一种新的过完备字典的构建算法,降低设计过程的复杂度,增强学习结果的可解释性;(2)根据模型选择的一般性原则,揭示稀疏模型选择与特定数据结构、正则化项设计之间的规律;(3)结合优化理论、逼近理论等,建立信息不完备情况下,数据的稀疏可重构算法;(4)将所获得的新理论、新方法应用于多媒体、基因等数据的稀疏表征与理解,构建高维非结构化数据的稀疏分析原型系统。
英文摘要
结题摘要 进入二十一世纪,互联网以新的形式,如社交网络、互联网金融、电子商务等,影响着人们的工作和生活方式。数据的海量增长使得数据为王的大数据时代到来。基于稀疏与低秩表征的理论是近年涌现出来的鲁棒高效地处理高维、非线性、非结构化数据的新工具。围绕“数据的稀疏与低秩表征”这一科学问题,项目开展了如下三个方面的研究工作:(1)研究了基于稀疏与低秩表征的模型选择,重点在基于判别性和图结构的正则化设计方面开展了一系列工作。(2)研究了稀疏与低秩模型的快速求解算法,重点在随机化采样和随机化投影方面开展了研究工作。(3)构建了稀疏与低秩表征面向视媒体大数据的系统平台(集群环境+GraphLab/Hadoop),该平台提供开放式的数据接口、应用接口,为完善稀疏与低秩表征的算法理论体系和设计方法提供了良好的实验环境。

成果

序号 标题 类型 作者
1 PPML: Penalized Partial Least Squares Discriminant Analysis for Multi-Label Learning 会议
2 基于有向滤波器与稀疏表征的图像超分辨率 会议 郑忠龙|
3 一种利用壳邻域的多标签学习算法 会议
4 Penalized Partial Least Squares for Multi-label Data 会议
5 Penalized partial least squares for multi-label data 会议

关于我们| 网站声明| 服务条款| 联系方式| RSS| 中国科学报社 京ICP备14006957 京公网安备110402500057号
Copyright @ 2007- 中国科学报社 All Rights Reserved
地址:北京市海淀区中关村南一条乙三号   电话:010-62580783