项目名称: 大规模数据的个性化分类学习

项目编号: No.61263032

项目类型: 地区科学基金项目

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: 范自柱

作者单位: 华东交通大学

项目金额: 45万元

中文摘要: 在对大规模复杂数据如图像、网页和视频分类学习时,传统的分类学习方法如子空间学习处理这些数据时往往效果不佳。其中一个重要原因是传统的分类学习方法针对性不强,它们不能有效学习大规模复杂数据的结构。 为有效处理和学习这些大规模复杂数据,本研究尝试提出一种新颖的学习框架:个性化学习。它的基本思想是,针对不同的测试样本,采取不同的模型或不同的训练样本学习并分类。由于在大规模复杂异构数据中,不同类别之间的边界大都是高度非线性的,本研究拟提出的个性化分类学习的一个主要目的就是尽可能准确地找到这些边界,来达到正确分类,这是传统的学习方法较难实现的。本研究的个性化学习结合局部鉴别分析、集成学习和稀疏表示分类等理论,对它们的学习机制进行深入研究;对每个测试样本,寻找一个最优的学习策略,从而得到一个全新的学习框架。本研究的成功开展,将会大大丰富机器学习和模式识别的基础理论。

中文关键词: 机器学习;特征抽取;核方法;鉴别分析;稀疏表示

英文摘要: When learning and classifying large-scale complex data such as images,web pages and videos, the traditional classification approaches such as subspace learning approaches usually do not achieve the desirable classification performance. One of the very important reasons why these approaches do not obtain the good results is that their learning procedures are not well-directed and purposeful. As a result, these traditinonal approaches can not effectively learning the structure of the large-scale complex data. In order to deal well with and effecively learn the large-scale complex data,this study tries to propose a novel learning framework,i.e.,individualized learning. Its basic idea is that for different test samples, idividualized learning uses different models or different training samples to learn and classify them.Indeed,the boundaries among different classes are often highly non-linear in the large scale complex and heterogeneous data. The individualized learning this study will propose aims to find these boundaries as precisely as possible, and perform correct classification. On the contrary, the traditional methods can hardly achieve this goal. The individualized learning in this study combines the theories of the local discriminant analysis, ensemble learning and sparse representation learning and so on. F

英文关键词: machine learning;feature extraction;kernel methods;discriminant analysis;sparse representation

成为VIP会员查看完整内容
1

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
专知会员服务
14+阅读 · 2021年6月26日
专知会员服务
28+阅读 · 2021年6月7日
【WWW2021】 大规模组合K推荐
专知会员服务
43+阅读 · 2021年5月3日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
26+阅读 · 2021年2月2日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
60+阅读 · 2020年12月3日
专知会员服务
22+阅读 · 2020年9月8日
【党史学习】中国共产党历史系列课程(十)
中国图象图形学学会CSIG
0+阅读 · 2021年12月10日
【党史学习】中国共产党历史系列课程(八)
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
【党史学习】中国共产党历史系列课程(五)
中国图象图形学学会CSIG
1+阅读 · 2021年12月3日
【党史学习】毛泽东重要论述(八)
中国图象图形学学会CSIG
0+阅读 · 2021年10月27日
【党史学习】毛泽东重要论述(七)
中国图象图形学学会CSIG
0+阅读 · 2021年10月26日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
【推荐】伪标签学习导论 - 一种半监督学习方法
机器学习研究会
12+阅读 · 2017年10月5日
国家自然科学基金
11+阅读 · 2015年12月31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 · 2013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
3+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
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月29日
Max-Margin Contrastive Learning
Arxiv
17+阅读 · 2021年12月21日
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
小贴士
相关VIP内容
元学习-生物医学中连接标记和未标记数据
专知会员服务
29+阅读 · 2021年8月3日
专知会员服务
14+阅读 · 2021年6月26日
专知会员服务
28+阅读 · 2021年6月7日
【WWW2021】 大规模组合K推荐
专知会员服务
43+阅读 · 2021年5月3日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
【AAAI2021】基于双任务一致性的半监督医学图像分割
专知会员服务
30+阅读 · 2021年2月7日
专知会员服务
26+阅读 · 2021年2月2日
【AAAI2021】利用先验知识对场景图进行分类
专知会员服务
60+阅读 · 2020年12月3日
专知会员服务
22+阅读 · 2020年9月8日
相关资讯
【党史学习】中国共产党历史系列课程(十)
中国图象图形学学会CSIG
0+阅读 · 2021年12月10日
【党史学习】中国共产党历史系列课程(八)
中国图象图形学学会CSIG
0+阅读 · 2021年12月8日
【党史学习】中国共产党历史系列课程(五)
中国图象图形学学会CSIG
1+阅读 · 2021年12月3日
【党史学习】毛泽东重要论述(八)
中国图象图形学学会CSIG
0+阅读 · 2021年10月27日
【党史学习】毛泽东重要论述(七)
中国图象图形学学会CSIG
0+阅读 · 2021年10月26日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
一文读懂贝叶斯分类算法(附学习资源)
大数据文摘
12+阅读 · 2017年12月14日
【推荐】伪标签学习导论 - 一种半监督学习方法
机器学习研究会
12+阅读 · 2017年10月5日
相关基金
国家自然科学基金
11+阅读 · 2015年12月31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 · 2013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
3+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
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员