本项目的研究目的是要在高维数据集呈现高度弯曲意义下,在假定数据具有内在低维流形下,如何从高维数据中学习内在认知维数或主要物理特征,并基于内在认知维数或主要物理特征形成有效的分类算法。针对目前流形学习中存在的一些问题,我们将在以下几个方向上展开研究:流形学习的类别问题和基于特定类特征的分类;流形学习全局与局部分类算法研究;集成学习在监督流形学习中的应用;流形学习定量分析研究。生物特征认证和生物信息学
{{i.achievement_title}}
数据更新时间:2023-05-31
一种基于多层设计空间缩减策略的近似高维优化方法
二维FM系统的同时故障检测与控制
现代优化理论与应用
TVBN-ResNeXt:解决动作视频分类的端到端时空双流融合网络
综述:基于轨道角动量光子态的高维量子密钥分发
基于气血理论从PINK1/Parkin通路探讨“益气活血”法调控线粒体自噬在心肌能量代谢重构中的作用
半监督流形学习的数学理论
流形学习和半监督SVM新算法用于复杂工业过程故障诊断的研究
半监督排序学习理论与算法研究
基于图的半监督学习算法研究