面向高维小样本数据的流形学习算法及应用研究

构建具有高效、鲁棒、泛化能力强的流形学习算法是解决当前流形学习在高维空间小样本模式下的瓶颈与难点。本项目基于高维空间小样本数据问题，研究流形学习在机器学习、模式识别等应用领域中的关键技术，主要包括：研究高维空间中的3S（Small Sample Size）问题在流形学习框架下高效的解决方案；分析高维小样本中噪声（outliers）的特点，研究稳定、鲁棒的流形学习算法；分析局部特性与内蕴结构在流形学习中的作用与关系，研究和设计参数选择的自适应策略；结合半监督学习思想，研究流形学习增强算法；基于以上研究，进行面向人脸姿态估计和识别、生物信息学应用的实验验证。本项目的研究将进一步推动流形学习理论的发展，拓展流形学习在媒体数据分析、生物数据处理等方面的应用范畴，促进交叉学科的交互与发展，有效的为国民经济建设服务。