基于高维数据信息结构的模式识别技术研究

当前，在模式识别领域中，传统的线性降维方法已无法适应数据的高维、非线性、易变性等新特点。本课题从研究高维数据信息结构理论入手，包括数据的本征维数、结构分析理论、非线性降维方法等，研究模式识别的新技术，其中，重点立足于本世纪以来兴起的非线性降维方法。非线性降维方法可针对数据信息结构有效地克服"维数灾难"，结构分析理论则可以挖掘数据的内蕴特征，分析数据结构，并能依此选择适应的非线性降维方法，从而两者均可为解决模式识别的上述问题提供新的途径，而本征维数对模式识别的分类问题也有重要的指导作用。因此，本课题一方面着力研究高维数据信息结构的相关问题，探索本征维数估计方法，完善结构分析理论，发展非线性降维方法，实现理论上的突破和发展；另一方面将致力于建立基于高维数据信息结构理论的模式识别新技术，如基于本征维数的分类器设计，基于结构分析理论的适应非线性降维方法的选取，基于非线性降维方法的特征提取和分类等。