稀疏性保持的降维技术及其拓展研究

项目名称： 稀疏性保持的降维技术及其拓展研究

项目编号： No.60973097

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 陈松灿

作者单位： 南京航空航天大学

项目金额： 32万元

中文摘要： 高维数据的涌现是模式识别面临的极大挑战，降维技术已成为处理高维数据，克服"维数灾难"的重要途径。研究表明降维算法可归结于图的构造及其嵌入方式。然而现有多数降维算法均基于最近邻准则建图，如LPP及其变体。虽然这类算法在很多实际问题中取得了较传统方法(如PCA、LDA)更好的性能，但导致了诸如近邻数选择、噪声敏感及无法自然地结合领域先验知识等问题。本项目旨在提出一种新的降维框架：稀疏性保持降维技术，并对此进行一系列的拓展研究。主要研究内容和目标为1）将稀疏表示引入图的构造，设计稀疏保持投影(SPP)算法，以克服LPP等的不足；2）半监督化SPP，期望借助尽可能少的无标样本提升监督算法（如LDA）的性能；3）设计自教(self-taught)降维技术，克服传统降维方法独立同分布假设的限制；4）将上述思想融入分类器的设计，以发展出稀疏保持的正则化分类算法；5）应用上述算法于单幅图像人脸识别等问题。

中文关键词： 稀疏性；局部性；降维；泛化性能；模式分析

英文摘要：

英文关键词： Sparsity；Locality；Dimensionality reduction；Generalization；Pattern analysis