位置：立项数据库 > 立项详情页
大规模可视化聚类分析及应用研究
  • 项目名称：大规模可视化聚类分析及应用研究
  • 项目类别：面上项目
  • 批准号：61175003
  • 申请代码：F030401
  • 项目来源：国家自然科学基金
  • 研究期限：2012-01-01-2015-12-31
  • 项目负责人：王亮
  • 依托单位：中国科学院自动化研究所
  • 批准年度：2011
中文摘要：

无监督聚类分析是模式识别与数据挖掘等研究领域中最基本的数据分析工具之一，研究快速有效的聚类算法具有重要的科学意义。不同于大多数传统聚类算法，本项目将一般聚类分析问题转化为可视化的图像处理问题。特别地，面向大规模数据集，本项目拟解决聚类分析中聚类数的自动估计问题、聚类自动划分问题以及聚类质量的自动校验问题，同时测试所开发的大尺度可视化聚类分析算法在实际视觉计算中的应用，如高分辨率的图像分割、基于图像的目标识别及视频中行为模式分析等。本项目的研究意义在于采用视觉处理方法可视化地解决聚类分析中的几个重要问题，不仅增强了数据分析的直观可视性和结果的可解释性，而且大大提高了数据聚类分析的准确度，更为开发新颖的聚类分析算法提供了新的研究途径和方法。

中文主题词： 模式识别；聚类；可视化；大规模；无监督学习
英文摘要：

Pattern Recognition；Clustering；Visualization；Large-scale；Unsupervised Learning

英文主题词： Pattern Recognition；Clustering；Visualization；Large-scale；Unsupervised Learning
结论摘要：

无监督聚类分析是模式识别与数据挖掘等研究领域中最基本的数据分析工具之一，研究快速有效的聚类算法具有重要的科学意义。面向大规模数据集，本项目针对聚类分析中聚类数的估计问题、聚类划分问题以及聚类质量评估问题开展研究，同时将所提出的聚类分析算法应用于实际的视觉计算任务中，如高分辨率的图像分割、基于图像的目标识别及视频中行为分析等。本项目不仅收集了一些类型丰富的数据集用于聚类分析实验，同时在大规模、多视角、半监督、部分视角等数据聚类方面提出了一些有效的方法，促进了模式识别领域无监督学习理论和方法的研究和发展。基于本项目的研究成果，已发表国际期刊或会议论文25篇，申请发明专利7项，撰写专著1部，培养已毕业博硕士5名、在读博硕士11名，圆满完成了本项目的预期目标。

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
  • 10
  • 28
  • 0
  • 0
  • 1
期刊论文
Improved Gaussian process classification via feature space rotation
Human identification using temporal information preserving gait templates
Multi-view clustering via pairwise sparse subspace representation
Locally incremental visual cluster analysis using Markov random field
Spectrum-Based Kernel Length Estimation for Gaussian Process Classification
Deep autoencoder based clustering
会议论文
Semi-Supervised Subspace Segmentation
Conditional high-order boltzmann machine: a supervised learning model for relation learning
Hierarchical motion evolution for action recognition
Skeleton based action recognition with convolutional neural network
Multi-view clustering via structured low-rank representation
Continuum regression for cross-modal multimedia retrieval
An effective regional saliency model based on extended site entropy rate
Community detection based on an improved modularity
Violence detection in video by slow feature analysis
Structure sparsity for multi-camera gait recognition
Multi-task Deep Neural Network for Multi-label Learning
l21 regularized correntropy for robust feature selection
Hierarchical recurrent neural network for skeleton basedaction recognition
Deep semantic ranking based hashing for multi-label image retrieval
Auto-encoder Based Data Clustering
Learning coupled feature spaces for cross-modal matching
Relevance Topic Model for Unstructured Social Group Activity Recognition
Multi-modal Subspace Learning with Joint Graph Regularization for Cross-modal Retrieval
Multi-view descriptor mining via codeword net for action recognition
Partiallytagged image clustering
Learning unified sparse representations for multi-modal data
Incomplete multi-view clustering via subspace learning
Early hierarchical contexts learned by convolutional networks for image segmentation
Discriminative Representative Selection via Structure Sparsity
A General Nonlinear Embedding Framework Based on Deep Neural Network
Deep Embedding Network for Clustering
Depth-embedded Multiple Pooling for Image Classification
Discovering Compact Topical Descriptors for Web Video Retrieval
著作
Robust recognition via information theoretic learning
相关项目
一种基于多元数据多元图图形特征表示原理的模式识别新方法
期刊论文 20 会议论文 4 著作 3
X射线数字图像智能识别及自动检测技术基础研究
期刊论文 8 会议论文 3
非负矩阵分解方法及其在模式识别中的应用
期刊论文 10 会议论文 2
复杂形体电磁散射近场特性分析
期刊论文 7 会议论文 3
基因表达数据中的二维模式发现方法研究
期刊论文 8 会议论文 2
浮动车数据与固定检测数据融合的旅行时间估计误差机理研究
期刊论文 9
基于无监督学习的未知异常和故障状态监测与诊断的方法研究
期刊论文 11 会议论文 7
基于图表示原理的多维定性与定量信息融合方法及实现
期刊论文 31 会议论文 9 著作 4
大规模电力系统多运行方式下低频振荡的协调控制
期刊论文 5 会议论文 2
王亮的项目
　面向大范围场景透彻感知的视觉大数据智能分析关键技术与验证系统
深度认知神经网络理论与方法研究
视觉模式分析与理解