中文摘要：

感知并提取蕴含在高维数据中的关键特征变量对模式的识别与理解起着至关重要的作用。稀疏特征提取为感知、提取关键特征、提升模式识别能力开辟了一个全新的研究方向，但其理论与方法存在一系列尚未解决的问题。我们将构建基于极大边界准则、基于流形学习及基于图谱分析的稀疏特征提取理论与算法，力图建立全新的稀疏特征提取理论与算法框架来解决当前稀疏特征提取中存在的问题。本项目的特色是将人类感知图像的稀疏性机理与特征提取的研究结合起来，把稀疏性约束作用于投影向量上，以获取具有强鉴别力的稀疏投影（子空间）。本项目的顺利开展将丰富和发展鉴别分析、特征提取的理论体系，为高维模式关键特征（即物理变量、因子等）的感知、理解、提取提供综合的理论分析与算法基础，为采集和提取关键特征、提升模式识别的能力起着重要的指导作用。研究成果在图像识别、基因表达数据分析、病理分析、金融信息处理等领域都有非常重要的应用价值。