面向大数据的知识表示、推理、在线学习理论及应用研究

The project focuses on the complex structure-oriented data representation in big data, the complex decision-oriented inductive reasoning in big data, and online statistic learning in big data. Also, the project applies the recent advances within the probability graphic model, inductive game reasoning, online statistic learning, Agent theory, distributed computing, as well as PAC learning theory, which aims to conduct the following research topics including "the effective knowledge representation based on extended probability graphic model", "the big data complex decision-oriented inductive game reasoning and online learning", "the big data-oriented online statistic learning and approximated computation theory", and "the key techniques in the typical big data application: remote sensing and telecommunication data analysis". Specifically, the project will propose the novel theory and methods within the topics including the prior knowledge representation in big data, the learning and inference for complex structure, complex decision-oriented inductive game reasoning, online learning with delayed feedback, online stream data learning, and big data complexity analysis and approximated computation. Consequently, the goal of the project is to make the breakthrough in theory, methods and techniques on the abovementioned topics. Also, the real application system will be developed based on the mentioned theory and methods, for the remote sensing and telecommunication data analysis applications.

本课题利用概率图模型技术、博弈推理技术、在线统计学习技术、Agent技术、分布式计算、PAC学习理论等方面的最新研究成果，围绕大数据复杂结构的知识表示、大数据复杂决策的归纳推理、大数据的在线统计学习，着重开展“基于扩展概率图模型的高效知识表示”、“大数据复杂决策的归纳博弈推理及在线学习”、“大数据在线统计学习及可近似计算理论”和“面向遥感和电信关键任务的大数据应用研究”等研究工作。特别是研究大数据先验知识的表示、大数据复杂结构的学习和推断、复杂决策的归纳博弈推理、延迟反馈下的在线学习、流数据的在线统计学习、大数据复杂性和可近似计算等新理论和新方法，在大数据的复杂结构表示、归纳博弈推理、在线统计学习等理论上取得突破、方法和技术上有创新。并对于电信等网络大数据领域的关键任务问题，基于以上理论和方法，研制出有影响力的应用系统和工具。

党的十九大提出“推动互联网、大数据、人工智能和实体经济深度融合”。近年来，随着大数据技术研究与应用的深化，给人工智能与机器学习技术带来了巨大挑战，涉及到知识表示、推理和在线学习等多个根本性的科学问题。本项目组针对大数据本身的特点，从人工智能和机器学习角度，围绕大数据研究的三个关键性科学问题：1）面向大数据复杂结构的高效知识表示，2）大数据复杂决策的归纳博弈推理，3）大数据快速在线统计学习；进行了以下具体内容的研究：1）多源异构数据的表示学习和度量，2）流数据的在线学习与海量分布数据线性分类的联合优化，3）基于概率图模型的学习和推断，4）复杂交互型数据的强化学习和博弈推理，5）研发面向电信以及非联网计算机大数据的分析系统。.基于以上研究，项目相关研究成果在国际期刊TPAMI、TIP、TNNLS、TKDE、TCYB、TGRS、TCSVT、TMI和国际会议AAAI、ACMMM、AAMAS、CVPR、ECML、ICCV、ICDM、IJCAI上发表论文超过50篇，其中SCI期刊30余篇，EI收录50余篇，CCF-A类期刊和会议文章15篇，CCF-B类期刊和会议文章22篇，IEEE Transactions系列32篇。培养博士生18人，硕士生33人，申请专利20项，授权专利13项，软件著作权3项。