基于类别结构信息和结构化学习的维数约简

项目名称： 基于类别结构信息和结构化学习的维数约简

项目编号： No.61172121

项目类型： 面上项目

立项/批准年度： 2012

项目学科： 无线电电子学、电信技术

项目作者： 庞彦伟

作者单位： 天津大学

项目金额： 55万元

中文摘要： 针对模式识别问题中类别之间通常存在树形等结构关系的事实，提出并研究基于结构化学习(structured learning)的维数约简的理论框架和方法，提高处理图像、视频等高维数据的泛化能力和速度。现有子空间分析、流形学习等维数约简方法都忽略了类别之间的结构关系(如树状归属关系: 狗和狼属于猫科动物，人和猴子属于哺乳动物，而猫科动物和哺乳动物又都属于动物)，而仅仅平等对待、无序使用各类别，所得特征不能支持快速识别，也限制了识别的泛化能力。另一方面，虽然近年出现的结构化学习能够处理结构化数据，但它仅限于得到分类或回归函数。为了克服上述问题，本项目研究一个基本理论框架，充分利用类别之间结构关系所蕴含的有用信息，突破现有结构化学习的局限，以结构化学习的形式进行维数约简。在该框架下，研究以维数约简为核心的结构化学习的目标函数和约束条件、最优化方法、训练过程的收敛性并提出训练算法的收敛条件。

中文关键词： 维数约简；特征提取；图像识别；；

英文摘要：

英文关键词： Dimensionality reduction；Feature extraction；Image recognition；；