申请人最近在国际权威期刊上提出了凸线性感知器(简称凸线器)和组合凸线性感知器(简称组合凸线器)的新概念,开创了分片线性学习的新方向,其主要目标是在一个统一的框架下提高分片线性分类器的泛化能力。本项目将围绕这一目标,以最大间隔准则为指导,以凸可分、凸线器和组合凸线器等概念为基础,以眉毛识别、人脸识别和看门机器人为应用背景,主要研究以下内容简化凸线器和组合凸线器的几何结构的方法、软间隔凸线器和软间隔组合凸线器的构造方法、基于分片线性分类器的眉毛识别和人脸识别方法、以及利用上述方法在机器人觉平台上设计和实现看门机器人。由于所研究的分片线性分类器无需选择核函数就能够以某种最大间隔分开样本,不仅可以看作支持向量机的无核推广,且具有计算简单和硬件实现容易的优点,可望集成到机器人、智能相机和嵌入式及实时系统等硬件设备中,因此对推动模式识别和机器学习的理论及技术发展,具有重要的科学意义和广泛的应用前景。
multiconlitron;alternating construction;growing construction;maximal cutting construction;soft-margin designing construction
组合凸线性感知器是申请人2011年在国际顶级期刊IEEE Transactions on Neural Networks上提出的一种构造分片线性分类器的通用框架。本项目围绕组合凸线性感知器的构造及其应用的若干相关问题进行了研究,所取得的重要成果包括1、提出了组合凸线性感知器的交错构造方法、生长构造方法、极大切割构造方法和软间隔设计方法;2、提出了一种利用方形和快速计算正交Haar小波变换并进行图像模板匹配的方法;3、提出了一种图像对象分类的匹配识别框架,并取得了较好的眉毛识别结果。目前,本项目已经发表SCI检索论文7篇,EI检索论文8篇,核心期刊论文9篇,申请发明专利8项(其中3项已授权),申请软件著作权2项。值得一提的是,在所发表的SCI检索论文中,有1篇发表在国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence上,有2篇分别发表在国际著名期刊Pattern Recognition和Knowledge-based Systems上。