基于统计学习理论的快速算法及其应用研究-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于统计学习理论的快速算法及其应用研究

项目名称：基于统计学习理论的快速算法及其应用研究
项目类别：青年科学基金项目
批准号：10801004
申请代码：A010505
项目来源：国家自然科学基金
研究期限：2009-01-01-2011-12-31

项目负责人：韩敏
负责人职称：副教授
依托单位：北京工业大学
批准年度：2008

中文摘要：

本项目研究了基于统计学习理论的支持向量机、Neyman-Pearson 学习等的快速收敛算法及其推广,并将其应用于模式识别、计算机视觉等领域中。在一定的条件下使构造的算法具有指数型衰减的逼近误差和取样误差，分析算法的相容性条件，以及收敛速度、计算复杂度等问题。构造了基于Rademacher 复杂度的Neyman-Pearson 经验风险算法，研究其快速收敛性。并且构造了半监督的基于Neyman-Pearson学习支持向量机算法，该算法具有快速收敛、损失敏感的特点。基于统计学习理论的快速算法在两类模式识别问题中已经应用比较广泛，在复杂的计算机视觉、人脸识别等领域中的应用正在引起人们的关注，本项目还研究了统计学习理论的快速算法在计算机视觉领域中的应用，并将前面最新的研究成果编程，通过真实数据加以例证。

中文主题词：统计学习理论；快速算法；支持向量机；Neyman-Pearson 学习；计算机视觉

结论摘要：

英文主题词statistical learning theory;fast algorithms;support vector machine;Neyman-Pearson learing;computer vision

成果综合统计