本项目面向多元数据,以多元数据多元图表示和图处理技术为手段,基于多元数据多元图图形特征降维和分类的学术思想,建立起一种基于多元图形特征的、可视化的模式识别新理论和方法。.主要学术思想是:针对具体的应用环境,将来自样本空间的多元数据矩阵增广为表示矩阵,基于表示矩阵多元图表达新思想,在特征空间形成鲜明的多元数据图形特征,再基于多元图形特征用模糊推理、平行筛方法和基于条形码和标度空间理论方法进行分类,在类型空间得到模式识别结果。.初步研究结果表明:本项目提出的模式识别方法具有模式可视化(使看不到的看得到)、复杂系统表示简单化(复杂系统信息图表示的特点)和复杂系统信息处理更容易(多元数据图处理技术具有简单、实用、有效)等鲜明特点。可望本项目原创性的学术思想在模式识别领域探索出一条崭新的道路,做出特色性成果,具有十分重要的学术和实际应用价值。
{{i.achievement_title}}
数据更新时间:2023-05-31
论大数据环境对情报学发展的影响
基于 Kronecker 压缩感知的宽带 MIMO 雷达高分辨三维成像
基于分形维数和支持向量机的串联电弧故障诊断方法
基于二维材料的自旋-轨道矩研究进展
水氮耦合及种植密度对绿洲灌区玉米光合作用和干物质积累特征的调控效应
基于多元图语音特征融合原理的帕金森病诊断方法研究
模式识别中多元数据的对偶射影空间表示和可视化问题
基于血清蛋白组数据多元图表示和局部信息融合原理的癌症诊断方法研究
多元时间序列数据挖掘中的特征表示和相似性度量方法研究