项目名称: 基于L21范数的稀疏鉴别子空间学习

项目编号: No.61305036

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 徐洁

作者单位: 广东工业大学

项目金额: 22万元

中文摘要: 稀疏鉴别向量能实现对高维数据的关键特征的感知和理解、并为有用的鉴别特征的采集和提取提供依据和保障。具有行稀疏特点的联合稀疏鉴别向量有更强的鲁棒性和更好的可解释性,并能达到一致的特征选择功能和一致解释特性。本项目将引入联合稀疏的机制,构建基于图保持、边界最大化,以及分类性能最优化等问题的三类集特征选择与提取于一体的联合稀疏子空间学习框架。本项目的特色在于:将人类感知图像的稀疏性机制与模式识别的研究结合起来,探索联合稀疏的理论和学习方法,并从子空间学习的角度推动模式识别相关理论与算法的发展,探索出更符合人类认知方式的识别系统。相关的研究成果在基因表达、图像识别、病理分析、金融信息处理等领域都有非常重要的应用价值。

中文关键词: 稀疏;子空间学习;模糊集理论;;

英文摘要: The key features of high-dimensional data can be perceived and understood from the sparse discriminative vector, by which the discriminative features can be selected and collected in a reliable way. Compared with the sparse discriminative vectors, the joint sparse discriminative vectors is row-sparse, and is more robust and explanative. It is going to introduce the joint sparse in the following three aspects: Graph preserving, margin maximizing and performance of classification optimizing. The characteristics of this research project are that the sparsity mechanism of human perception of images and the feature extraction theorems are combined together to explore the theory of joint sparse. In such a way, the related theories of pattern recognition can be developed. In addition, the proposed theorems and methods could be widely used in the field of image recognition, genetic data analysis, pathological analysis, financial information processing, and so on.

英文关键词: sparse;subspace learning;fuzzy set theory;;

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
24+阅读 · 2021年7月22日
专知会员服务
28+阅读 · 2021年6月7日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
60+阅读 · 2021年3月25日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
【ACL2020】基于图神经网络的文本分类新方法
专知会员服务
68+阅读 · 2020年7月12日
一文解决样本不均衡(全)
极市平台
5+阅读 · 2022年1月9日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
基于深度学习的肿瘤图像分割研究取得进展
中科院之声
17+阅读 · 2017年9月17日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
1+阅读 · 2015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
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
1+阅读 · 2012年12月31日
国家自然科学基金
2+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 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
35+阅读 · 2020年1月2日
小贴士
相关VIP内容
【CVPR2022】基于鲁棒区域特征生成的零样本目标检测
专知会员服务
10+阅读 · 2022年3月22日
细粒度图像分类的深度学习方法
专知会员服务
41+阅读 · 2021年10月18日
专知会员服务
24+阅读 · 2021年7月22日
专知会员服务
28+阅读 · 2021年6月7日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
60+阅读 · 2021年3月25日
专知会员服务
33+阅读 · 2021年2月7日
专知会员服务
77+阅读 · 2020年12月6日
【ACL2020】基于图神经网络的文本分类新方法
专知会员服务
68+阅读 · 2020年7月12日
相关基金
国家自然科学基金
1+阅读 · 2015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
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
1+阅读 · 2012年12月31日
国家自然科学基金
2+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 · 2009年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员