项目名称: 矩阵对齐的耦合距离度量学习方法研究

项目编号: No.61201370

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 电子学与信息系统

项目作者: 贲晛烨

作者单位: 山东大学

项目金额: 24万元

中文摘要: 传统的距离度量学习仅能对同维数的向量和同尺寸的图像矩阵等单一数据集合进行度量,而对来自不同集合的数据度量是没有意义的。本项目针对此问题,同时为了避免将矩阵样本转成向量对原始特征结构信息造成的破坏,将基于矩阵的子空间降维方法的思想引入到向量耦合距离度量学习之中,对矩阵对齐的耦合距离度量学习理论及其解耦问题进行研究。本项目将针对不同集合下的矩阵样本建立合理联系和匹配关系问题,提出矩阵耦合距离度量的概念;将边信息、局部保留、相关关系和类别等监督信息引入到矩阵对齐的耦合距离度量学习理论之中,提出耦合距离度量学习的新算法;并建立其统一的度量学习框架;寻找其与二维典型相关分析算法的关系。本项目所研究的方法将成为解决不同分辨率图像的匹配问题和同一个体但不同模态图像匹配问题的重要手段,研究成果易推广到各种图像的匹配上,为相关工程实践提供重要的技术支持和理论保证。

中文关键词: 矩阵对齐;耦合距离度量学习;局部保留;类别信息;联立类别信息

英文摘要: Traditional distance metric learning can measure only single data set like vectors of same dimension or image matrices of identical size. But the flaw lies in the fact that it has nothing to do with the measurement of different data sets. What's more, destroying of original structure information happens when 2D image matrix is transformed into 1D vector. Thus, aiming at the solution to these two problems, research will be conducted on coupled distance metric learning with matrix alignment and its decoupling problem by introducing the idea of matrix-based subspace dimensional reduction. In order to provide reasonable connection and matching relation among different kinds of collections with material effective algorithms,the concept of matrix coupled distance metric will be proposed; By introducing some supervised information, such as side information, locality preserving, correlation and discriminative information, to coupled distance metric learning with matrix alignment, novel distance metric learning algorithms will be put forward and the unified metric learning frame will be estabilished. Furthermore, the relationship between the proposed theroy and Two dimensional canonical correlation analysis (2DCCA) will be searched. Supported by this project, the proposed methods are to be important solutions to the prob

英文关键词: matrix alignment;coupled distance metric learning ;locality preserving;discriminative information ;linked discriminative information

成为VIP会员查看完整内容
0

相关内容

徐宗本院士:人工智能的10个重大数理基础问题
专知会员服务
106+阅读 · 2021年12月24日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
专知会员服务
36+阅读 · 2021年6月3日
专知会员服务
37+阅读 · 2021年4月25日
专知会员服务
45+阅读 · 2020年11月13日
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
【动态】中国图象图形学学会工作委员会交流评估会在海口召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月28日
AAAI21 | 基于块(Block)建模理论图神经网络
图与推荐
0+阅读 · 2021年12月28日
图神经网络及其在视觉/医学图像中的应用
图与推荐
0+阅读 · 2021年12月15日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
OpenKG开源系列|开源知识图谱融合工具OpenEA (南京大学)
基于图神经网络的知识图谱研究进展
AI科技评论
20+阅读 · 2020年8月31日
论文浅尝 | 基于属性嵌入的知识图谱间实体对齐方法
开放知识图谱
30+阅读 · 2019年3月26日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月16日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
小贴士
相关VIP内容
徐宗本院士:人工智能的10个重大数理基础问题
专知会员服务
106+阅读 · 2021年12月24日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
面向知识图谱的图嵌入学习研究进展
专知会员服务
60+阅读 · 2021年11月3日
专知会员服务
36+阅读 · 2021年6月3日
专知会员服务
37+阅读 · 2021年4月25日
专知会员服务
45+阅读 · 2020年11月13日
【IJCAJ 2020】多通道神经网络 Multi-Channel Graph Neural Networks
专知会员服务
25+阅读 · 2020年7月19日
相关资讯
【TPAMI2022】关联关系驱动的多模态分类
专知
3+阅读 · 2022年3月22日
【动态】中国图象图形学学会工作委员会交流评估会在海口召开
中国图象图形学学会CSIG
0+阅读 · 2021年12月28日
AAAI21 | 基于块(Block)建模理论图神经网络
图与推荐
0+阅读 · 2021年12月28日
图神经网络及其在视觉/医学图像中的应用
图与推荐
0+阅读 · 2021年12月15日
【博士论文】开放环境下的度量学习研究
专知
7+阅读 · 2021年12月4日
OpenKG开源系列|开源知识图谱融合工具OpenEA (南京大学)
基于图神经网络的知识图谱研究进展
AI科技评论
20+阅读 · 2020年8月31日
论文浅尝 | 基于属性嵌入的知识图谱间实体对齐方法
开放知识图谱
30+阅读 · 2019年3月26日
基于信息理论的机器学习
专知
21+阅读 · 2017年11月23日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员