基于Universum学习的降维方法研究

项目名称： 基于Universum学习的降维方法研究

项目编号： No.61403193

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： 陈晓红

作者单位： 南京航空航天大学

项目金额： 24万元

中文摘要： 高维数据广泛存在于众多领域，对其进行降维是模式识别的核心之一。现有降维方法通常仅利用目标类样本作为训练样本，忽视了现实中大量存在的目标类以外的数据,即Universum。研究者最近提出的Universum学习方法正是利用目标外样本数据提高了分类和聚类学习效果，但至今尚未有人结合降维开展研究工作。本项目旨在通过与现有降维方法的结合，设计一个利用目标外样本数据的一般性降维框架，设计监督和半监督降维算法，探究目标外样本数据对降维的影响和自适应选择目标外样本数据的策略。进一步，将其扩展到高维多视图数据的降维，设计基于Universum学习的多视图数据降维算法，进而拓展出更广义的Universum学习。整个工作围绕建模、算法设计与实现、理论分析和实验对比等系统展开。

中文关键词： Universum学习；多视图学习；数据降维；无监督学习；监督学习

英文摘要： Dimensionality reduction for high-dimensional data is one of the key contents in pattern recognition since such data widely exist in various application domains. A lot of dimensionality reduction methods have been proposed. However, most of them only ut

英文关键词： Universum learning；multi-view learning；dimensionality reduction；unsupervised learning；supervised learning