非高斯中性矢量变量的非线性独立特征分析方法研究

As a typical non-Gaussian variable, non-Gaussian neutral vector variable (nGNVV) has non-Gaussian and neutral properties. We plan to study nGNVV's fundamentals and related applications based on the non-Gaussian and neutral properties. This project aims to: 1) study optimal non-linear independent feature analysis method for nGNVV, propose nGNVV's test criteria and consider the effect of the order of dimensions, study automatical feature extraction methods for nGNVV; 2) propose the optimal model selection and learning strategies for nGNVV; 3) verify the effectiveness of the proposed method with real-life applications, such as efficient vector quantization and packet loss estimation for speech signals, and feature selection strategy for DNA methylation data analysis.

非高斯中性矢量变量是一种兼具“非高斯”和“中性”两种特性的典型非高斯变量。本项目拟围绕非高斯中性矢量变量的“非高斯”和“中性”特性，系统开展非高斯中性矢量变量的非线性独立化分析基础理论及相关实用验证的研究，主要研究内容包括：1）研究非高斯中性矢量变量的最优非线性变换方法，提出其判定标准与检验方案，给出研究兼顾维度顺序影响的自动特征提取策略；2）在建模理论和方法方面，研究最优模型选择策略和高效参数估计方法；3）在理论的实用验证方面，基于非高斯中性矢量提出语音信号的高效矢量量化方法和丢包重建方法，并研究基于非高斯中性矢量变量特性的DNA甲基化数据的自动特征选择策略。

本项目围绕非高斯中性矢量变量的“非高斯”和“中性”特性，系统开展非高斯中性矢量变量的非线性独立化分析基础理论及相关实用验证的研究，主要内容包括：（1）在非线性独立特征分析的理论研究方面，研究非高斯中性矢量变量的最优非线性变换方法，提出其判定标准与检验方案，给出研究兼顾维度顺序影响的自动特征提取策略；（2）在建模理论和方法方面，研究最优模型选择策略和可用解析解表达式描述的高效参数估计方法 ；（3）在理论的实用验证方面，本项目还结合非高斯中性矢量变量的特性，开展其在实际应用中的研究工作，对所提出的理论方法加以验证。项目负责人带领团队严格认真执行本项目的各项研究内容，按时完成了本课题的计划研究任务和研究目标。项目执行期间，共发表高水平学术论文66篇，含SCI期刊论文32篇，其中，人工智能领域顶级期刊IEEE TPAMI 3篇，图像处理领域权威期刊IEEE TIP 4篇，神经网络领域权威期刊IEEE TNNLS 6篇、IEEE TCSVT 3篇、IEEE TVT 4篇、NEUROCOMPUTING 5篇。获得授权发明专利7项。项目执行期间共培养/协助培养3名博士生、15名硕士生，指导本科生毕业论文16篇。项目负责人获得国家自然科学基金“优秀青年科学基金项目”，国家重点研发计划“科技冬奥”示范项目课题、国家自然科学基金“企业创新发展联合基金重点项目”、北京市自然科学基金“重点研究专题项目”等项目资助。本项目的研究成果将促进基于非线性独立成分特征理论的特征提取策略研究，并在此基础上推广可用解析解表达式描述的高效参数估计算法，深度非高斯模型系列成果可以为图像识别、图像检索、语音识别、说话人识别、语音增强和大数据分析等等技术提供有效支持，具有广泛的应用前景。