关于流形学习的有效性算法与特征提取解释理论研究

数据特征提取是数据建模与数据挖掘的基本问题，而流形学习是数据特征提取最为近代与热点的研究领域。本项目拟针对流形学习目前存在的若干关键性基础问题展开研究，将构建能有效用于超大规模与具复杂流形形态数据集的高效流形学习算法，并设计用户界面友好，综合功能强大的流形学习应用平台；运用视觉原理解释流形学习的降维特征与意义，搭建其意义解释理论框架，构造具有可控降维特征的新型流形学习算法，并发展其在图像处理与地理信息挖掘等实际领域的应用；提出流形学习方法优劣性评判标准及其量化计算公式，并由此搭建针对问题的流形学习方法评判与选择算法。所获结果将不仅在理论层面揭示流形学习的有效性机理与降维意义，也有望在应用层面大大扩展现有流形学习算法的数据适用范围(如大规模与复杂形态流形数据集)与可应用性领域(如图像处理与地理信息挖掘)，从而具有深刻的理论意义与广阔的应用前景。

数据特征提取是数据建模与数据挖掘的基本问题。本项目针对包括流形学习在内的特征提取中目前存在的若干关键性基础问题展开研究，构建了能有效用于大规模与具复杂流形形态数据集的高效流形学习算法；运用视觉原理解释特征学习中的内涵与意义，并发展了其在图像处理与地理信息挖掘等实际领域的应用；提出了流形学习方法优劣性评判标准及其量化计算公式，并由此搭建了针对问题的流形学习方法评判与选择算法。所获结果不仅在理论层面揭示特征提取的有效性机理，也在应用层面扩展了现有流形学习算法的数据适用范围与可应用性领域，从而具有深刻的理论意义与广阔的应用前景。