格式塔规律的几何推理关键技术研究

In information domains such as data mining and machine learning,there are not very effective approaches to deal with the curse of dimensionality, the data noise, and the imbalance problem. However,Human being has the good ability to deal with these issues. Human being can distinguish samples well in the high dimensionsmall space and correctly identify a fuzzy image in the noisy enviroment.Thus we need to learn something more from the human being for designing new machine learning and data mining approaches. This project aims to do research on modelling the laws of cognitive Gestalt theory by geometric reasoning framework. The research items include modelling Gestalt laws based on analogy of laws of physics to establish the computational models, applying the differential topology and fuzzy topology methods to automatically construct the geometry graphs from the high dimensional data in line with the Gestalt laws, establishing the knowledge base of cognitive geometry graphs, developing the cognitive geometry reasoning approaches, evaluating the constructed cognitive geometry graphs,and the other related key techniques. These research items constitute an organic whole to perform integrated reasoning of Gestalt laws so as to solve the recognition, reasoning, and evaluation on complex cognitive geometry graphs. Finally, we apply geometrical reasoning framework of Gestalt laws to the fields of machine learning and data mining to futher design new principles and methods, with aims to solving the difficult tasks in aforementioned fields and verifying geometric reasoning system of Gestalt laws.

数据挖掘和机器学习等领域对维数灾难、数据噪音等问题还没有十分有效的解决算法，与此相反，人类却具有处理这类问题的良好能力。人类在高维小样本情况下仍然能够很好地分辨不同类别的样本，在同样的噪音环境下，也仍然能够识别出模糊的图像，因此我们需要从人类的认知规律中学到更多的东西。本立项研究刻画人类认知规律的格式塔（Gestalt）理论，将格式塔规律几何化，解决格式塔规律的几何推理问题，包括类比物理学规律建立格式塔规律的计算模型，利用微分拓扑、模糊拓扑等方法从数据集中自动构造符合格式塔规律的认知几何图形，构造认知几何图形知识库，研究认知几何图形的推理方法，研究认知几何图形的评价等关键问题，它们构成了有机整体，以实现多种格式塔规律的综合推理，解决复杂认知几何图形的识别、推理和评价问题。最后将其应用到机器学习和数据挖掘领域，提出新的原理和方法，解决这些领域的一些困难问题，验证格式塔几何推理系统的有效性。

机器学习和数据挖掘领域对维数灾难、数据噪音等问题还没有十分有效的解决算法，与此相反，人类却具有处理这类问题的良好能力，因此我们需要从人类的认知规律中学到更多的东西。本项目主要研究刻画人类认知规律的格式塔理论，将格式塔规律几何化，解决格式塔规律的几何推理问题，解决复杂几何图形的认知识别、推理和评价问题，然后将这些方法应用到机器学习和数据挖掘领域，提出新的原理和方法，解决这些领域的一些困难问题，验证格式塔几何推理系统的有效性。.项目的主要研究成果是：（1）充分发展了认知相对性规律及其简单有效的相对变换模型，并已在半监督学习，特征降维，分类器设计等机器学习中发挥了重要作用。（2）提出了认知引力模型，形似牛顿引力模型，而实质则完全相反，说明自然界的物理规律不能简单地搬到认知规律的建模上，需要根据认知规律赋予新的含义。认知引力模型已成功应用于机器学习新方法的设计之中，并在情感识别中获得了显著应用。（3）提出了逆向思维模型，它用于克服错觉惯性思维模型的缺陷，基本原理：犯错也是有模式的。目前已在机器学习中得到应用，效果显著。这三个模型是普适的，可以应用于提高现有机器学习和数据挖掘方法的性能。.目前共发表15篇SCI论文，其中二区3篇，三区10篇。国际顶级A类会议AAAI已录用一篇（2017）。由于专利和软件著作权的申请书中一般都不标注项目编码，因此在专利的申请书中也没有项目编码，而实际上在项目支持下完成的专利有授权1项，申请8项。软件著作权授权2项。我们的研究成果应用于微表情识别，成果曾获羊城晚报报道。