非结构化数据智能感知学习理论与应用研究

1、本文格式为word版，下载可任意编辑非结构化数据智能感知学习理论与应用研究 项目名称 中文名 非结构化数据的智能感知学习理论与应用讨论 英文名 research on the theories and applications of intelligent perceptual learning for unstructured data 推举单位 中国矿业高校 申报类型 自然科学奖 主要完成单位 中国矿业高校，中国科学院计算技术讨论所 项目简介： 本项目属于人工智能领域，针对非结构化数据中数据维度高、密度不匀称、学问发觉困难、机器学习算法不完备等特点，提出了面对高维非结构化混合数据的特征表示

2、学习方法、非结构化数据的多粒度决策与可解释深度学习理论、面对非结构化低质指纹图像的自适应指纹滤波增加算法。经过多年的讨论与积累，取得了下列讨论成果： (1) 面对高维非结构化混合数据的 特征 表示学习方法 。面对非结构化的高维混合型数据，本项目首先提出一种基于 elm-ae 深度特征嵌入的无监督极限学习机(us-ef-elm)。us-ef-elm 将 elm-ae的嵌入特征用作 us-elm 隐蔽层的输出，得到 us-elm 的嵌入矩阵。其次，依据 elm-ae 特征嵌入方式对高维数据进行特征提取预处理，并提出一种全新的度量混合型数据的方式，使用模糊近邻关系重新定义局部密度，并提出一种自动化确

3、定簇类个数的策略。从而提出了基于 elm-ae 的密度聚类算法处理非结构化高维混合数据的学问发觉和学习过程，实现非结构化数据的聚类划分。 (2) 非结构化数据的多粒度决策与可解释深度学习理论。针对非结构化数据的数据划分结果，本项目在每个信息粒上建立子分类器，使用加权线性损失作为损失函数，结合全部粒上子分类器获得最终的决策结果，提出了加权多粒度多生支持向量机，其训练过程仅需求解线性方程组，速度明显快于原始多生支持向量机。为了猎取可解释的特征，本项目提出了一种基于去噪自编码器的深度多特征融合深度网络。模型在保证学习过程中隐蔽层特征可解释性的同时，显著降低了分类误差，最小限度地保留肯定量的信息，这些

4、信息被限制在给定的输入形式上；同时，在一个隐蔽层中明确地解释了特征的含义。 (3) 。 面对非结构化低质指纹图像的自适应指纹滤波增加算法。针对非结构化的指纹图像数据背景，本项目依据上述深度学习理论和滤波方法提出了相应的指纹图像增加算法，该算法分为两个阶段：第一阶段使用 gabor 滤波对指纹进行预增加；在其次阶段，首先利用块内点方向全都性对块质量进行评价；其次对带通滤波器的自适应参数进行估量；然后结合块频谱方向，设计出具有方向选择性的带通滤波器；最终结合频谱集中理论和深度学习理论，提出具有自适应性的指纹图像进行增加。 该项目主持并完成了国家重点基础讨论方案(973 方案)课题 1 项、国家自然

5、科学基金重点项目 1 项、国家自然科学基金 2 项。该项目在 information sciences、pattern recognition 等权威期刊上发表代表性学术论文 5 篇。此外，还在在国内计算机类三高校报上发表学术论文 7 篇，国际主流 sci 期刊上发表学术论文 74 篇。成果被 sci 引用 1000 余次，其中 5 篇代表论文 sci 引用 120 余次，施引者包括浙江高校吴朝晖、高校桂卫华等两院院士，重庆邮电高校高新波等.，深圳高校王熙照等 ieee fellow 等；入选 esi 前 1%高被引论文 3 篇。成果曾获得第八届吴文俊人工智能科学技术自然科学奖三等奖、江苏省训

6、练科学与讨论自然科学二等奖。 序号 论文、专闻名称/刊名/ 年卷页码 年(卷):页码 发表年月 1 fingerprint enhancement rooted in the spectra diffusion by the aid of the 2d adaptive chebyshev band-pass filter with orientation-selective/information sciences/ ding shifei, bian weixin, sun tongfeng, xue yu 2021, 415:233-246 2021-06 2 weighted line

7、ar loss multiple birth support vector machine based on information granulation for multi-class classification/pattern recognition/ ding shifei, zhang xiekai, an yuexuan, xue yu 2021, 67:32-46 2021-02 3 an entropy-based density peaks clustering algorithm for mixed type data employing fuzzy neighborho

8、od/knowledge-baseed systems/ ding shifei, du mingjing, sun tongfeng, xu xiao, xue yu 2021, 133:294-313 2021-06 4 unsupervised extreme learning machine with representational features/international journal of machine learning and cybernetics/ ding shifei, zhang nan, zhang jian, xu xinzheng, shi zhongz

9、hi 2021, 8(2):587-595 2021-03 5 multi-feature fusion deep networks/neurocomputing/ ma gang, yang xi, shi zhongzhi 2021, 218:164-171 2021-08 排名 姓名 性别 职称 工作单位 完成单位 位 对成果制造性贡献 1 丁世飞 男 教授 中国矿业高校 中国矿业高校 提出了项目的讨论目的、意义与讨论内容，全面负责项目的讨论方案、组织实施、讨论 进展与考核。针对非结构化数据场景，建立了面对非结构化数据处理的算法理论，提出了面对非结构化数据的粒度支持向量机算法，以及面对混

10、合数据的基于熵的密度峰值聚类算法。 2 史忠植 男 讨论员 中国科学院计算技术讨论所 中国科学院计算技术讨论所 讨论了脑机协同的环境感知模型，利用环境信息分析中的判别式、生成式等方法，分析环境感知信息的特征，挖掘感知信息的模式和学问，生成高层语义，有效理解环境感知的内容，建立脑机协同群体感知模型。 3 许新征 男 教授 中国矿业高校 中国矿业高校 提出了基于一般最小二乘法的神经网络组合优化分类算法，以基于 pca 的 elman 神经网络算法作为子分类器 i，以基于因子分析的 rbf 神经网络算法作为子分类器 ii。通过对两个子分类器进行集成学习，实现了对非结构化数据的学习和分类。 4 孙统风

11、 男 副教授 中国矿业高校 中国矿业高校 针对混合型数据以及密度峰值聚类在处理可变密度数据时聚类表现不佳的状况，提出了一种基于密度敏感的局部密度方法。 5 卞维新 男 副教授 .师范高校 中国矿业高校 对于指纹数据，提出了具有方向选择性的 2d 自适应 chebyshev 带通滤波器的指纹滤波增加算法，使用 gabor 滤波和直方图均衡化对指纹进行预增加，设计的具有方向选择性的 2d 自适应 chebyshev 带通滤波器对指纹图像进行增加。 6 杜明晶 男 讲师 博士 中国矿业高校 面对非结构化的混合型数据，定义了一种全新的度量混合型数据的方式，并使用了模糊近邻关系重新定义了原始算法中所使用的局部密度的概念。 7 张楠 男 博士后 华东师范高校 中国矿业高校 针对多聚类问题，以 eml-ae 嵌入特征作为 us-elm 隐层的输出，提出基于嵌入特征的无监督的极速学习机。 8 张健 男 讲师 中国矿业高校 中国矿业高校 提出无监督核极速学习机，通过堆叠极速学习机-自动编码器算法(elm-ae)构建多层神经网络模型，并将小波核引入无监督核极速学习机。 9 徐晓 女 博士生 中国矿业