冗余特征检测与利用技术的研究

随着仪器采集能力和存储能力的不断提高，急剧增长的科学数据中含有大量的冗余特征和无关特征，它们损害了机器学习技术的泛化能力。近几年研究者提出冗余特征的概念，并开发出多种算法用于在机器学习建模过程中检测冗余信息。对于系统生物学中的蛋白质质谱识别等监督学习问题，已有算法检测冗余特征仅考虑特征之间的关系，忽略了问题的类别标记信息，而且对冗余特征多以去除对待。针对监督学习问题中的特征选择，建立在冗余特征也包含有用信息的假设基础上，本项目计划进行冗余特征的监督检测和重用技术的研究。研究将结合标记信息设计开发冗余特征监督检测准则，并结合特征抽取和多任务学习等技术设计开发冗余特征重用技术，来重新利用本将去除的冗余特征提高模型的泛化能力。冗余特征检测和重用技术将应用到系统生物学领域基于质谱的蛋白质识别等问题分析中，并结合特定问题数据集的产生特点设计开发新的算法，提高数据的处理精度和科学问题机理的认识能力。