稀疏张量学习理论

项目名称： 稀疏张量学习理论

项目编号： No.61375012

项目类型： 面上项目

立项/批准年度： 2013

项目学科： 自动化技术、计算机技术

项目作者： 黄伟强

作者单位： 香港理工大学深圳研究院

项目金额： 78万元

中文摘要： 稀疏特征提取理论已逐渐成为图像处理与模式识别领域的研究热点问题。由于稀疏特征提取理论与方法尚处于初始阶段，现有的稀疏特征提取方法对张量模式的处理及其鉴别特征提取方面存在理论与应用层面上的局限性。为此，本项目提出"虚拟投影逼近"、"投影放松加稀疏正则逼近"等新思想拟开展基于张量的多线性稀疏分解、多线性稀疏鉴别分析、局部保持多线性稀疏投影学习理论与方法研究，把基于高维向量的稀疏特征提取方法拓展成基于高阶张量的形式。为进一步提升算法的鲁棒性、可解释性，我们引入最近提出的L2,1范数学习理论与方法，进而把基于高阶张量的特征提取理论与方法拓展到L2,1范数学习中，建立一致稀疏特征提取理论与算法框架。开展本项目的研究将不断完善稀疏特征提取理论体系, 提高计算机的鲁棒特征提取、理解与鉴别能力。本项目的研究成果在张量特征提取与理解、基因表达数据分析、金融信息处理等领域都有重要的应用价值和广泛的应用前景。

中文关键词： 稀疏回归；特征提取；张量学习；鉴别分析；稀疏学习

英文摘要： Sparse feature extraction theory has been a hot research topic in image processing and pattern recognition. Since the research on sparse feature extraction theory and method is still at the very beginning stage, various limitations exist on the aspects of

英文关键词： sparse regression；feature extraction；tensor learning；discriminant analysis；sparse learning