欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
位置：立项数据库 > 立项详情页
中文摘要：
正则化学习是机器学习与模式识别的研究核心，是保证设计获得的学习机具有好的泛化性能的保证。本项目围绕正则化学习开展了一系列深入与广泛的研究。在深度上，通过为数据定义出四种粒度的结构建立了一个以结构正则化的一般型分类机设计框架，由此不仅统一刻画了现有众多有力的正则化(包括大间隔)分类机，而且从中设计出的结构正则的SVM(SRSVM)达到了State-of-the Art的泛化性能。受此框架引导,我们分别在数据、特征、异质数据等层面的粒度结构信息利用上开展了一系列研究,其中1)数据层面的典型成果有提出了局部性正则化分类学习、判别正则化分类学习、聚类和分类的多目标同时学习、单数据集上的多核学习、利用核传播的半监督核矩阵学习、单视图数据的多视图(判别)正则化学习法和结构嵌入SAUC-SVM等；2)特征层面的成果有发展出了为人脸识别的局部岭(ridge)回归，半子空间法，稀疏性保持的投影和稀疏性保持的判别分析法,图优化的局部性保持投影,深入探究了两个著名的局部性保持的线性判别分析有效与失效的本质;3)异质数据层面上通过结构信息传递的跨域排序学习法和4)相关的图像分析和无线传感器定位应用等。
结论摘要：
英文主题词Regularization learning; Structure Granularity; Learning framework; Classification; Pattern recognition
成果综合统计
期刊论文
会议论文
专利
获奖
著作
期刊论文
相关项目
陈松灿的项目
