首页 范文大全 古典文学 职场知识 中国文学 公文书信 外国名著 寓言童话 百家讲坛 散文/诗歌 美文欣赏 礼仪知识 民俗风情
  • 范文大全
  • 古典文学
  • 职场知识
  • 中国文学
  • 公文书信
  • 外国名著
  • 寓言童话
  • 百家讲坛
  • 散文/诗歌
  • 美文欣赏
  • 礼仪知识
  • 民俗风情
  • 谜语大全
  • 名言警句
  • 非结构化数据智能感知学习理论与应用研究

    时间:2020-11-19 10:15:50 来源:蒲公英阅读网 本文已影响 蒲公英阅读网手机站

    相关热词搜索:感知 结构化 学习理论

     项目名称 中文名 非结构化数据的智能感知学习理论与应用研究 英文名 Research on the theories and applications of intelligent perceptual learning for unstructured data 推荐单位 中国矿业大学 申报类型 自然科学奖 主要完成单位 中国矿业大学,中国科学院计算技术研究所 项目简介:

     本项目属于人工智能领域,针对非结构化数据中数据维度高、密度不均匀、知识发现困难、机器学习算法不完备等特点,提出了面向高维非结构化混合数据的特征表示学习方法、非结构化数据的多粒度决策与可解释深度学习理论、面向非结构化低质指纹图像的自适应指纹滤波增强算法。经过多年的研究与积累,取得了下列研究成果:

     (1) 面向高维非结构化混合数据的 特征 表示学习方法 。面向非结构化的高维混合型数据,本项目首先提出一种基于 ELM-AE 深度特征嵌入的无监督极限学习机(US-EF-ELM)。US-EF-ELM 将 ELM-AE的嵌入特征用作 US-ELM 隐藏层的输出,得到 US-ELM 的嵌入矩阵。其次,根据 ELM-AE 特征嵌入方式对高维数据进行特征提取预处理,并提出一种全新的度量混合型数据的方式,使用模糊近邻关系重新定义局部密度,并提出一种自动化确定簇类个数的策略。从而提出了基于 ELM-AE 的密度聚类算法处理非结构化高维混合数据的知识发现和学习过程,实现非结构化数据的聚类划分。

     (2) 非结构化数据的多粒度决策与可解释深度学习理论。针对非结构化数据的数据划分结果,本项目在每个信息粒上建立子分类器,使用加权线性损失作为损失函数,结合所有粒上子分类器获得最终的决策结果,提出了加权多粒度多生支持向量机,其训练过程仅需求解线性方程组,速度明显快于原始多生支持向量机。为了获取可解释的特征,本项目提出了一种基于去噪自编码器的深度多特征融合深度网络。模型在保证学习过程中隐藏层特征可解释性的同时,显著降低了分类误差,最小限度地保留一定量的信息,这些信息被限制在给定的输入形式上;同时,在一个隐藏层中明确地解释了特征的含义。

     (3) 。

     面向非结构化低质指纹图像的自适应指纹滤波增强算法。针对非结构化的指纹图像数据背景,本项目根据上述深度学习理论和滤波方法提出了相应的指纹图像增强算法,该算法分为两个阶段:第一阶段使用 Gabor 滤波对指纹进行预增强;在第二阶段,首先利用块内点方向一致性对块质量进行评价;其次对带通滤波器的自适应参数进行估计;然后结合块频谱方向,设计出具有方向选择性的带通滤波器;最后结合频谱扩散理论和深度学习理论,提出具有自适应性的指纹图像进行增强。

     该项目主持并完成了国家重点基础研究计划(973 计划)课题 1 项、国家自然科学基金重点项目 1 项、国家自然科学基金 2 项。该项目在 Information Sciences、Pattern Recognition 等权威期刊上发表代表性学术论文 5 篇。此外,还在在国内计算机类三大学报上发表学术论文 7 篇,国际主流 SCI 期刊上发表学术论文 74 篇。成果被 SCI 引用 1000 余次,其中 5 篇代表论文 SCI 引用 120 余次,施引者包括浙江大学吴朝晖、中南大学桂卫华等两院院士,重庆邮电大学高新波等长江学者,深圳大学王熙照等 IEEE Fellow 等;入选 ESI 前 1%高被引论文 3 篇。成果曾获得第八届吴文俊人工智能科学技术自然科学奖三等奖、江苏省教育科学与研究自然科学二等奖。

      序号 论文、专著名称/刊名/作者 年卷页码 年(卷):页码 发表年月 1 Fingerprint enhancement rooted in the spectra diffusion by the aid of the 2D adaptive Chebyshev band-pass filter with orientation-selective/Information Sciences/ Ding Shifei, Bian Weixin, Sun Tongfeng, Xue Yu 2017, 415:233-246 2017-06 2 Weighted Linear Loss Multiple Birth Support Vector Machine based on Information Granulation for Multi-class Classification/Pattern Recognition/ Ding Shifei, Zhang Xiekai, An Yuexuan, Xue Yu 2017, 67:32-46 2017-02 3 An entropy-based density peaks clustering algorithm for mixed type data employing fuzzy neighborhood/Knowledge-Baseed Systems/ Ding Shifei, Du Mingjing, Sun Tongfeng, Xu Xiao, Xue Yu 2017, 133:294-313 2017-06 4 Unsupervised extreme learning machine with representational features/International Journal of Machine Learning and Cybernetics/ Ding Shifei, Zhang Nan, Zhang Jian, Xu Xinzheng, Shi Zhongzhi 2017, 8(2):587-595 2015-03 5 Multi-feature fusion deep networks/Neurocomputing/ Ma Gang, Yang Xi, Shi Zhongzhi 2016, 218:164-171 2016-08

      排名

     姓名

     性别

     职称

     工作单位

     完成单位 位 对成果创造性贡献

     1 丁世飞 男 教授 中国矿业大学 中国矿业大学 提出了项目的研究目的、意义与研究内容,全面负责项目的研究计划、组织实施、研究 进展与考核。针对非结构化数据场景,建立了面向非结构化数据处理的算法理论,提出了面向非结构化数据的粒度支持向量机算法,以及面向混合数据的基于熵的密度峰值聚类算法。

     2 史忠植 男 研究员 中国科学院计算技术研究所 中国科学院计算技术研究所 研究了脑机协同的环境感知模型,利用环境信息分析中的判别式、生成式等方法,分析环境感知信息的特征,挖掘感知信息的模式和知识,生成高层语义,有效理解环境感知的内容,建立脑机协同群体感知模型。

     3 许新征 男 教授 中国矿业大学 中国矿业大学 提出了基于普通最小二乘法的神经网络组合优化分类算法,以基于 PCA 的 Elman 神经网络算法作为子分类器 I,以基于因子分析的 RBF 神经网络算法作为子分类器 II。通过对两个子分类器进行集成学习,实现了对非结构化数据的学习和分类。

     4 孙统风 男 副教授 中国矿业大学 中国矿业大学 针对混合型数据以及密度峰值聚类在处理可变密度数据时聚类表现不佳的情况,提出了一种基于密度敏感的局部密度方法。

     5 卞维新 男 副教授 安徽师范大学 中国矿业大学 对于指纹数据,提出了具有方向选择性的 2D 自适应 Chebyshev 带通滤波器的指纹滤波增强算法,使用 Gabor 滤波和直方图均衡化对指纹进行预增强,设计的具有方向选择性的 2D 自适应 Chebyshev 带通滤波器对指纹图像进行增强。

     6 杜明晶 男 讲师 博士 中国矿业大学 面向非结构化的混合型数据,定义了一种全新的度量混合型数据的方式,并使用了模糊近邻关系重新定义了原始算法中所使用的局部密度的概念。

     7 张楠 男 博士后 华东师范大学 中国矿业大学 针对多聚类问题,以 EML-AE 嵌入特征作为 US-ELM 隐层的输出,提出基于嵌入特征的无监督的极速学习机。

     8 张健 男 讲师 中国矿业大学 中国矿业大学 提出无监督核极速学习机,通过堆叠极速学习机-自动编码器算法(ELM-AE)构建多层神经网络模型,并将小波核引入无监督核极速学习机。

     9 徐晓 女 博士生 中国矿业大学 中国矿业大学 面向混合型数据,提出了一种新的混合聚类方法将密度峰值聚类与前导聚类方法相结合,并通过引入 γ 图开发了一种简单的决策策略自动选择聚类中心。

     10 马刚 男 高级工程师 华为技术有限公司 中国科学院计算技术研究所 提出了一种基于去噪自动编码器的多特征融合深度网络,在提供学习过程中隐藏层特征表示的可解释性的同时,显著降低分类误差。

    • 范文大全
    • 职场知识
    • 精美散文
    • 名著
    • 讲坛
    • 诗歌
    • 礼仪知识