主动学习和半监督学习的理论和应用的研究

半监督学习(Semi-supervised Learning)和主动学习(Active Learning)是模式识别和机器学习中的重要研究领域。本项目将针对主动学习和半监督学习的理论问题进行研究和同时对于基于两者的实际应用问题进行探讨：其中理论问题包括基于核学习的半监督学习的聚类假设分析，基于Side-Information的半监督学习算法的研究，基于数据驱动的马尔可夫蒙特卡罗算法(DDMCMC)的半监督学习的研究以及对于主动学习的研究，其中的实际应用的研究包括基于主动学习的个性化手写汉字的学习与生成的研究，基于主动学习的指纹图像的特征点的提取。这些理论研究研究对于我们理解学习机器的学习机理以及人机交互都具有重要的理论意义，而关于实际应用的研究随着许多领域对于海量数据分析的需求变得更加迫切，具有相当广阔的应用前景。