世界上万事万物之间都存在联系,数据之间也是如此。如果把每一个数据都看成图上的结点,而把数据之间的联系看成图上的边,这样整个数据集就可以用一张图来描述。运用图论的某些观点来解决数据分析中的某些问题已经成为了近些年来机器学习领域的一个重要的研究方向。本项目将对图上的机器学习理论与应用问题开展研究。理论研究包括:图上的主动学习问题、多图的学习、超图的学习问题等。应用研究包括:图上学习方法在人脸识别,文本和网页的分类及检索方面的研究。这些理论研究对于我们理解机器学习的本质以及人机交互都有着重要的意义。随着图算法在众多应用领域中的成功应用也使得上述有关图算法应用的研究变得更加迫切,相信这些算法在现实中也会有相当广泛的应用。
{{i.achievement_title}}
数据更新时间:2023-05-31
多能耦合三相不平衡主动配电网与输电网交互随机模糊潮流方法
基于改进LinkNet的寒旱区遥感图像河流识别方法
新型树启发式搜索算法的机器人路径规划
现代优化理论与应用
汽车侧倾运动安全主动悬架LQG控制器设计方法
带约束的图上学习算法研究 
基于损失函数的统计机器学习算法及其应用研究
DC规划的理论和算法研究及其在机器学习中的应用
均衡约束数学规划问题的几个算法及其在机器学习中的应用