多视角学习理论与方法研究

With the rapid development of information technology, much more emerging digital data that people produced and collected in their daily lives has become increasingly accessible. Together with the high dimensionality of them, these digital data appears to be more complex due to their diversified characteristics of multi- modal, multi-source and multi-description. Generally, these complex digital data are called multi-view data. The pervasive existence of multi-view data has made conventional single view data analysis methods confront with great challenge. The research on the theory and method of multi-view learning has become one of active topics in the domain of machine learning, in which it is commonly assumed that there exists strong compatibility and complementary across multi-view data. To address the key issues of shared representation, completeness and efficient indexing for multi-view data, this project will focus on the researches on: 1) Shared representation mining for multi-view data; 2) Missing view completion of multi-view data; 3) Hashing quantization technique for multi-view data; 4) View matching of multi-view data; 5) Outlier detection based on consistent pattern of multi-view data . These researches will be beneficial to mining the common information embedded in multi-view data, and further make it possible to realize the deep understanding on the object characterized by multiple views. Meanwhile, the research achievements will also enrich the present machine learning theory and method.

信息技术的迅猛发展使人们生产与收集的数据越来越复杂。除了数据的维度越来越高，表示形式也越来越多样化，呈现出多态性、多源性和多描述性的特点，这些数据通常被统一称为多视角数据。大量存在的多视角数据，使得传统的面向单一视角的机器学习理论与方法面临着新的挑战。开展多视角学习理论与分析方法研究已成为目前机器学习领域的研究热点，具有很好的理论研究意义和应用价值。基于多视角数据视角间的相容互补性，围绕多视角数据的共性信息挖掘、据完备性的构建及高效索引三个关键问题，本项目将深入开展：1）多视角数据的共享表示挖掘；2）多视角数据的哈希量化技术研究；3）多视角数据的缺失补全研究；4）多视角数据的视角对应匹配；5) 面向多视角数据的离群点检测 等方面的研究。这些研究将有助于挖掘出多视角数据中潜在的共性信息，从而实现对由多视角数据所刻画的对象的深度理解。研究成果也将进一步丰富现有的机器学习理论。

信息技术的迅猛发展使人们生产与收集的数据呈现出多态性、多源性和多描述性的特点，这些数据通常被统一称为多视角数据。这些大量存在的多视角数据使得传统的面向单一视角的机器学习理论与方法面临着新的挑战。开展多视角学习理论与分析方法研究已成为目前机器学习领域的热点研究方向，具有很好的理论研究意义和应用价值。 在国家自然科学基金《多视角学习理论与方法研究》（ No. 61572068,，2016.1.1-2019.12.31）的资助下，严格按照研究计划，圆满完成了各项研究任务。基于多视角数据视角间的相容互补性，围绕多视角数据的共性信息挖掘、完备性构建及高效索引三个关键问题，深入开展了：1）多视角数据的共享表示；2）多视角数据的缺失补全； 3）多视角数据的哈希量化技术； 4）面向多视角数据的异常检测；5) 多视角数据时空表征学习与预测建模；6）面向多视角数据的原型学习等方面的研究。. 研究成果在重要国际与国内杂志IEEE Trans. 系列TKDE、TMM、TNNLS、TCYB、TCSVT、Pattern Recognition 、Information Science，软件学报以及 AAAI、IJCAI、ICME等本领域高级别学术会议上发表学术论文27篇，其中，SCI检索16 篇。获得授权发明专利2项，申请发明专利1项。.在学术奖励方面，2篇论文获得中国多媒体大会（2017）优秀论文，1篇论文获得中国计算机视觉视觉大会（CCCV2017）最佳论文提名。在学术竞赛方面，课题组在 KDD Cup 2016竞赛中取得了第二赛季Rank1并且获得Honorable Mention Award。在CIKM Cup 2016中，课题组在两个Track的竞赛中分别取得了Top10和Rank3的成绩。在KDD Cup2018竞赛中，获得三个赛道的20/4170（Top20）,38/4170（Top1%）、39/4170（Top1%）的名次。在CVPR2019的UG2+竞赛中，获得6/83。. 经过课题组4年的努力，理论成果、人才培养、合作交流等方面均达到了项目任务书中制定的各项指标。研究成果、人才培养、合作交流等方面均达到了项目任务书中制定的各项指标。研究成果将进一步丰富现有的机器学习中多视角学习理论与方法，也将能够为医学、安全等行业、部门的需求提供理论基础与技术支撑。