多视图张量学习理论、算法及在脑机接口中的应用

项目名称： 多视图张量学习理论、算法及在脑机接口中的应用

项目编号： No.61202155

项目类型： 青年科学基金项目

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： 赵启斌

作者单位： 上海交通大学

项目金额： 24万元

中文摘要： 张量分解近年来得到广泛的关注和研究，并成功应用在神经图像信号处理，计算机视觉，信息压缩等领域。但目前研究主要集中在对单个张量的分解模型，理论和算法上。本项目研究多个高阶复杂张量数据的多视图学习模型，提出基于张量子空间分解和公共隐变量提取的多线性回归方法，并提出多张量稀疏分解的优化准则和相应的快速学习算法，解决稀疏性张量子空间回归中的有关理论问题，如计算效率，稳定性和收敛性问题。研究基于张量多视图学习模型的特征分析与识别方法，通过在脑机接口应用中对高噪声、多干扰EEG信号的特征分析来讨论该方法在多视图测量信息一致性问题，多视图测量数据的特征分析，小样本和过拟合问题，对噪声的鲁棒性，物理意义的解释等方面的优点。研究张量多视图学习理论在复杂数据空间结构的特征分析，神经科学中数据融合技术，计算机视觉与信息压缩方面都有极其重要的理论价值和应用前景。

中文关键词： 张量分解；张量核；机器学习；脑信号处理；

英文摘要： Recently, the tensor factorization has been widely concerned and studied, and been successfully applied in the research field of neuroimaging signal processing, computer vision and information compression. However, most studies focus on model, theory and

英文关键词： Tensor decomposition；tensor kernel；machine learning；brain signal processing；