基于波色量子场论的高维数据非监督学习方法

项目名称： 基于波色量子场论的高维数据非监督学习方法

项目编号： No.11201017

项目类型： 青年科学基金项目

立项/批准年度： 2013

项目学科： 数理科学和化学

项目作者： 姜鑫

作者单位： 北京航空航天大学

项目金额： 22万元

中文摘要： 高维数据的非监督学习在降维与聚类方面具有重要的基础研究意义和应用背景。寻求数据集结构特性的准确刻画原理、构造能够高度保持特征结构的低维嵌入映射是当前非监督学习需要面对的一类挑战问题。本项目计划进一步发展我们在复杂系统研究中引入的波色量子场论方法和概念，利用量子哈密顿量来描述数据相似性，对数据流形进行重新演绎，建立能较全面反映高维数据集复杂结构的多粒子系统分析框架；并利用量子场论方法刻画数据集结构的本征特征，如流形上的测地距离、多流形重叠区域等；同时寻求该系统的有效求解，将数据集特征提取转化为Hilbert空间上多粒子波函数的分析问题，并给出低维嵌入映射的算符形式，提出新的高维数据深层次特征挖掘与聚类分析算法。申请人在复杂网络的量子波色动力学刻画方面有着良好的基础，并拥有一系列原创性研究成果。在此基础上，本项目将探索高维数据集新的结构描述框架与学习方法，力图在理论建模与应用方面均取得突破

中文关键词： 数据相关性；多重网络；耦合动力学；高维数据；

英文摘要： Unsupervised learning of high-dimensional data plays an important role in the research and application of dimensionality reduction and data clustering. In many cases, it is a great challenge to characterize the accurate structural properties of the data s

英文关键词： correlation；multiple network；coupled dynamics；high dimensional date set；