位置:立项数据库 > 立项详情页
高维非线性特征空间的结构化稀疏描述及其应用研究
  • 项目名称:高维非线性特征空间的结构化稀疏描述及其应用研究
  • 项目类别:面上项目
  • 批准号:61075045
  • 申请代码:F0304
  • 项目来源:国家自然科学基金
  • 研究期限:2011-01-01-2013-12-31
  • 项目负责人:程洪
  • 负责人职称:教授
  • 依托单位:电子科技大学
  • 批准年度:2010
中文摘要:

本项目围绕高维非线性特征空间的分析,重点开展该类特征空间的结构化稀疏描述、计算方法及其在多传感感知、非线性降维中的应用。经典稀疏描述从冗余码书中寻求基函数的最稀疏线性组合,提供了广泛的稀疏系数分解方法,如基追随算法、正交匹配追随算法、最小绝对值收缩和选择(LASSO)递归算法等。然而,经典的线性稀疏描述无法直接应用在(1)高维非线性特征空间的分析;(2)存在先验结构特征空间的描述问题。本项目将针对上述存在的问题,主要研究(1) 高维非线性特征空间的结构化稀疏描述;(2)基于时-空相关性的分布式多传感压缩感知计算模型;(3)稀疏引导相似度的非线性降维算法。本项目将建立高维非线性特征空间的结构化稀疏描述、计算模型、实现方法及其应用,预期成果将会促进压缩感知理论在模式分析与机器智能技术中的应用,并为智能移动机器人实时环境感知提供理论基础和实现方法。

结论摘要:

本项目围绕高维非线性特征空间的分析,重点开展该类特征空间的稀疏描述、建模和学习,及其在可视识别和机器人中的应用。主要研究了(1)高维非线性特征空间的稀疏描述、建模与学习;(2)基于时-空相关性的分布式多传感压缩感知计算模型;(3)稀疏引导相似度的非线性分类算法及其应用等研究。基于以上内容的研究,通过本项目的实施与完成,建立了高维非线性特征空间的稀疏描述、计算模型和实现方法,并将成果推广应用于模式分析与机器智能技术,实现了鲁棒可视识别、外骨骼机器人等应用系统。同时,还建立了交通场景、老人活动等数据库2个。已经发表包括IEEE TCSVT、SP、JCVIR、MVA、IVC、VC等主流国际杂志和会议论文17篇,其中SCI论文8篇;此外,还包括已投IEEE TIP、MVA、ICME等投稿论文4篇;出版学术专著2部,2011年在Springer出版的英文专著《Autonomous Intelligent Vehicles: Theory, Algorithms and Implementation》,英文专著《Sparse Representation, Modeling and Learning: Theory, Algorithms and Applications》将于2014年上半年Springer出版;培养青年教师2名,博士后2名,博士研究生3名,硕士研究生8名。申请相关国家发明专利4项。本人作为本地执行主席在成都举行了2011年中-美视觉、学习与模式识别(VLPR)暑期学校。此外,本人作为本地执行主席兼财经主席组织2014年7月在成都举办的世界多媒体大会(ICME)。


成果综合统计
成果类型
数量
  • 期刊论文
  • 会议论文
  • 专利
  • 获奖
  • 著作
  • 11
  • 6
  • 8
  • 0
  • 0
相关项目
程洪的项目