经验映射机器学习

本项目首先研究经验映射的构造，由经验映射生成的经验特征空间的特性以及经验特征空间中的距离测度和函数表示理论，并以此为基础构造了一系列经验特征空间中的机器学习方法，包括：经验特征空间模式识别和回归估计SVM；经验特征空间稀疏矢量机；经验特征空间主分量分析、降噪和重构；经验特征空间样本白化和新颖发现；经验特征空间Fisher判别分析等，最后我们降这些方法用于雷达信号和图像数据的降噪和识别。经验映射和Mercer映射相比：非线性映射函数不受Mercer条件限制，具有更广泛的选择，如果选择合适，经验特征空间中的函数表示将具有通用的逼近性能；经验特征空间样本的具体形式已知，有利于各阶统计特征的估计；与非线性SVM一样，经验特征空间的学习机由于采用了非线性映射本质上都是非线性学习机，具有非常强的非线性处理能力；与SVM类似，由于引入了结构风险最小化准则，经验特征空间学习机同样具有良好的推广能力。