人脸识别、物体识别等图像识别是机器学习和认知科学等领域的核心问题之一,具有重要的理论意义和实用价值。本项目借鉴视觉认知机理,利用机器学习的理论工具,开发对各种类内变化具备鲁棒性的图像识别关键技术。研究内容包含:1、有监督的判别流形学习方法:从构建图嵌入流形学习框架下样本点之间如何进行合理连接以及核判别流形学习两方面进行研究。2、基于物理模型的距离函数构建:借鉴实际的物理模型,例如统计模型、场论模型,探索新的距离度量形式,用于计算样本连接的权值以及构造核判别流形学习的核函数。3、对光照、视角变化、局部形变构成一定程度不变量的高效特征提取方法以及多种特征的融合。4、基于特征空间的流形学习方法,提高流形学习的稳定性。项目的研究成果将用于提高人脸识别、物体识别等图像识别任务的性能,在保障社会安定的工作中将发挥重要作用。
{{i.achievement_title}}
数据更新时间:2023-05-31
一种基于多层设计空间缩减策略的近似高维优化方法
二维FM系统的同时故障检测与控制
现代优化理论与应用
岩石/结构面劣化导致巴东组软硬互层岩体强度劣化的作用机制
基于颗粒阻尼的变频空调压缩机管路减振设计
面向鲁棒目标跟踪的多线索特征联合表示和判别学习方法研究
面向多标签数据的自步流形学习方法研究
贝叶斯分类器与判别式学习方法研究
面向图像识别的半监督距离度量学习方法研究