数据表达的低秩约束深度神经网络方法

Data representation plays an important role in big data analysis. Big data usually has nonlinear property. Linear representation methods are difficult to obtain the essential features of data. The deep neural networks with constraints, which are able to process complex nonlinear data, have made many important achievements in data representation. However, the existing neural networks with sparse or nonnegative constraints are difficult to describe the global structure of the data set. Low-rank representation can well characterize the global low-rank structure of data. In this project, a low-rank constrained deep neural network method is proposed to learn the data representation, which aims to explore a new way to reveal the nonlinear essential feature of big data and to maintain its global low rank structure. The neural network with low-rank constraint is used to constrain the network by using the low-rank property of the data set, which not only can reveal the deep features of data, but also can make the data representation maintain the global structure and correlation of the data set. The research of the project include: the low-rank deep nonlinear representation of data; the low-rank uniform representation of multi-modal data, and the low-rank deep representation of the incremental data. The research of this project has important scientific significance and application value in further, which will promote the development of big data analysis.

数据表达是大数据分析的重要内容。大数据通常呈现非线性特性，线性表达方法难以获得其本质特征。带约束的深度神经网络具有复杂的非线性处理能力，在数据表达这一方向取得了许多重要成果。然而，已有的稀疏或非负约束的深度神经网络缺乏对数据集的全局特征描述。低秩表达能够很好地刻画数据的全局低秩结构。本项目提出数据表达的低秩约束深度神经网络方法，旨在探索一条能够揭示大数据非线性本质特征，并保持其全局低秩结构的数据表达新途径。低秩约束的深度神经网络利用数据集的低秩特性对数据表达加以约束，不仅能够揭示数据的深层次特征，还能够令数据表达保持数据集的全局结构和相关关系。项目的研究内容包括：（1）数据的低秩深度非线性表达；（2）多模态数据的低秩统一表达；（3）增量数据的低秩深度表达。本项目的研究对进一步推动大数据分析的发展有重要的科学意义和应用价值。

数据表达是大数据分析的重要内容。带约束的深度神经网络具有复杂的非线性处理能力，在数据表达这一方向取得了许多重要成果。项目提出数据表达的低秩约束深度神经网络方法，利用数据集的低秩特性对数据表达加以约束，不仅能够揭示数据的深层次特征，还能够令数据表达保持数据集的全局结构和相关关系。项目的研究内容包括：（1）数据的低秩深度非线性表达；（2）多模态数据的低秩统一表达；（3）增量数据的低秩深度表达。项目面向医学大数据、图像大数据的表达开展深入研究，主要研究进展和成果包括：（1）研究数据的低秩深度表达，在已有的自编码机基础上加以低秩约束，提出了一种低秩约束的自动编码机和一种基于局部约束的子空间聚类算法；（2）针对不同类型的图像大数据，研究多模数据的表达，分别针对农业病虫害数据的表达与识别，以及图像分割问题中的数据表达开展研究，将图像数据与数值类数据结合，获得了多模态数据的深度表达，并基于该表达构建多类别分类和图像分割模型；（3）研究了基于眼底病大数据的数据表达方法及眼底病体征检测研究，自项目立项之初开展了眼底患者数据收集工作，眼底数据集以每月约300~500例的速度不断增加，目前已在1万余例眼底数据上开展对增量数据低秩表达的研究，并研究基于数据低秩非线性表达的分类模型构建，在眼底体征智能检测和眼底病智能识别上均获得良好的性能，对多类型眼底病的分类准确率高于96%。.项目在国内外期刊和会议上共发表论文6篇，其中1篇论文为会议口头报告，并获得优秀讲者，申请国家发明专利3项，已授权2项，协助培养硕士、博士研究生5名，晋升高级职称4人，参加国际会议2人次，参加国内研讨会10人次以上，协助组织国际会议1次。