公文通用模板-華東師范大學(xué)科技處

—PAGE2——PAGE1—江蘇省科學(xué)技術(shù)獎(jiǎng)公示材料專業(yè)評(píng)審組：計(jì)算機(jī)與軟件成果類別：基礎(chǔ)類一、項(xiàng)目名稱大規(guī)模復(fù)雜數(shù)據(jù)的核機(jī)器學(xué)習(xí)方法及其在腦機(jī)協(xié)同的應(yīng)用研究二、項(xiàng)目簡介：該項(xiàng)目屬于人工智能領(lǐng)域，針對(duì)大規(guī)模復(fù)雜數(shù)據(jù)的數(shù)量大、維度高、密度不均勻、類間重疊等特點(diǎn)，研究面向大規(guī)模復(fù)雜數(shù)據(jù)的多粒度學(xué)習(xí)方法、面向復(fù)雜數(shù)據(jù)特征表示的核學(xué)習(xí)方法與正則化理論、面向腦電信號(hào)的分類算法以及腦機(jī)協(xié)同認(rèn)知計(jì)算模型。項(xiàng)目從大規(guī)模復(fù)雜數(shù)據(jù)的粒度學(xué)習(xí)、復(fù)雜數(shù)據(jù)特征表示的核學(xué)習(xí)等角度研究大規(guī)模復(fù)雜數(shù)據(jù)的機(jī)器學(xué)習(xí)方法，并應(yīng)用于腦電信號(hào)處理和腦機(jī)融合的研究工作中，經(jīng)過多年的研究與積累，取得了下列相關(guān)研究成果：（1）提出了大規(guī)模復(fù)雜數(shù)據(jù)的多粒度學(xué)習(xí)方法。該項(xiàng)目基于粒度學(xué)習(xí)的思想實(shí)現(xiàn)復(fù)雜數(shù)據(jù)從粗粒度到細(xì)粒度的特征提取過程。針對(duì)粗粒度下復(fù)雜數(shù)據(jù)規(guī)模大的特點(diǎn)，提出了一種近似標(biāo)準(zhǔn)切割算法，通過采樣獲取數(shù)據(jù)的全局特征，并歸一化目標(biāo)函數(shù)，降低計(jì)算復(fù)雜度。針對(duì)細(xì)粒度下復(fù)雜數(shù)據(jù)維度高的特點(diǎn)，該項(xiàng)目提出了基于成對(duì)約束的半監(jiān)督譜聚類算法，優(yōu)化相似性矩陣，實(shí)現(xiàn)高維數(shù)據(jù)的聚類分析。針對(duì)細(xì)粒度下復(fù)雜數(shù)據(jù)密度不均勻、類間重疊的特點(diǎn)，該項(xiàng)目提出了基于維度約簡的密度峰值聚類算法，利用降維的思想，獲取有效的數(shù)據(jù)特征。（2）面向復(fù)雜數(shù)據(jù)特征表示的核學(xué)習(xí)方法和正則化框架的研究。為了探索數(shù)據(jù)特征的多樣性和局部性質(zhì)，完成復(fù)雜數(shù)據(jù)的有效處理，該項(xiàng)目發(fā)展了基于有效特征表示的核學(xué)習(xí)方法和正則化框架。針對(duì)樣本特征多樣性問題，提出了基于多核特征學(xué)習(xí)的支持向量機(jī)算法，這優(yōu)化了復(fù)雜數(shù)據(jù)的特征表示過程。針對(duì)特征對(duì)樣本貢獻(xiàn)的問題，提出了一種自適應(yīng)加權(quán)的通用正則化框架來學(xué)習(xí)有效特征。針對(duì)樣本局部信息與樣本間的相似性信息，提出了基于內(nèi)在關(guān)聯(lián)的孿生支持向量機(jī)算法。同時(shí)結(jié)合了粒計(jì)算的特征表示和支持向量機(jī)來提取最有效的特征，進(jìn)而增強(qiáng)分類器的性能。（3）提出了面向腦電信號(hào)的分類算法以及腦機(jī)協(xié)同認(rèn)知計(jì)算模型。提出了基于腦電信號(hào)特征提取理論和譜圖學(xué)習(xí)理論、孿生支持向量機(jī)、深度神經(jīng)網(wǎng)絡(luò)等分類器組合方法以及腦電信號(hào)組合分類方法的研究；提出了自適應(yīng)腦電信號(hào)的稀疏半監(jiān)督學(xué)習(xí)方法以及標(biāo)號(hào)延遲情況下的腦電信號(hào)自適應(yīng)分類問題。針對(duì)腦機(jī)協(xié)作的計(jì)算認(rèn)知模型定義模糊的問題提出三個(gè)級(jí)別的腦機(jī)協(xié)作的計(jì)算認(rèn)知模型，結(jié)合視覺特征表示提出深度網(wǎng)絡(luò)模型，并將其引入ABGP構(gòu)建認(rèn)知模型ABGP-CGSM，提出CodingandCombiningFeatures框架提高環(huán)境認(rèn)知能力。該項(xiàng)目主持并完成了國家重點(diǎn)基礎(chǔ)研究計(jì)劃（973計(jì)劃）課題1項(xiàng)、國家自然科學(xué)基金4項(xiàng)。該項(xiàng)目在國內(nèi)計(jì)算機(jī)類三大學(xué)報(bào)上發(fā)表學(xué)術(shù)論文7篇，國際主流SCI期刊上發(fā)表學(xué)術(shù)論文79篇，其中NeuralNetworks、IEEETransactionsonNeuralNetworksandLearningSystems、InformationFusion、IEEETransactionsonCybernetics等頂級(jí)期刊6篇，在PatternRecognition、JournalofMachineLearningResearch、IEEEIntelligentSystems、IEEETransactionsonIntelligentTransportationSystems等權(quán)威期刊8篇，ICML和IJCAI頂級(jí)會(huì)議上發(fā)表學(xué)術(shù)論文2篇，申請(qǐng)發(fā)明專利10項(xiàng)、已獲授發(fā)明專利3項(xiàng)。成果被SCI引用1224次，其中8篇代表論文SCI引用140次，施引者包括浙江大學(xué)吳朝暉、中南大學(xué)桂衛(wèi)華等兩院院士，西安電子科技大學(xué)高新波等長江學(xué)者，深圳大學(xué)王熙照、悉尼科技大學(xué)Chin-TengLin等IEEEFellow；入選ESI前1%高被引論文4篇。

三、推廣應(yīng)用情況—PAGE4—四、代表性論文論著目錄（應(yīng)用類可不填）序號(hào)論文論著名稱/刊名/作者影響因子年卷頁碼（XX年XX卷XX頁）發(fā)表時(shí)間（年月日）通訊作者第一作者SCI他引次數(shù)他引總次數(shù)是否國內(nèi)完成ApproximatenormalizedcutswithoutEigen-decomposition/InformationSciences/HongjieJia,ShifeiDing,MingjingDu,YuXue4.3052016(37):135-1502016年10月丁世飛賈洪杰913是TrainingLpnormmultiplekernellearningintheprimal/NeuralNetworks/ZhizhengLiang,ShixiongXia,YongZhou,LeiZhang7.1972013(46):172-1822013年10月梁志貞梁志貞89是Semisupervisedsupportvectormachineswithtangentspaceintrinsicmanifoldregularization/IEEETransactionsonNeuralNetworksandLearningSystems/ShiliangSun,XijiongXie7.9822016(27):1827-18392015年8月孫仕亮孫仕亮56是ComputationalCognitiveModelsforBrain-MachineCollaborations/IEEEIntelligentSystems/ZhongzhiShi,JianhuaZhang,XiYang,GangMa,BaoyuanQi,JinpengYue2.5962014(29):24-312014年11-12月史忠植史忠植34是Studyondensitypeaksclusteringbasedonk-nearestneighborsandprincipalcomponentanalysis/KnowledgeBasedSystems/MingjingDu,ShifeiDing,HongjieJia4.3962016(99):135-1452016年5月丁世飛杜明晶3949是Incrementalextremelearningmachinebasedondeepfeatureembedded/InternationalJournalofMachineLearningandCybernetics/JianZhang,ShifeiDing,NanZhang,ZhongzhiShi2.6922016(7):111-1202016年2月丁世飛張健1517是TherandomelectrodeselectionensembleforEEGsignalclassification/PatternRecognition/ShiliangSun,ChangshuiZhang,YueLu3.9622008(41):1663-16752008年5月孫仕亮孫仕亮1733是Aregularizationframeworkforrobustdimensionalityreductionwithapplicationstoimagereconstructionandfeatureextraction/PatternRecognition/ZhizhengLiang,YoufuLi3.9622010(43):1269-12812010年4月梁志貞梁志貞59是—PAGE8——PAGE9—五、主要知識(shí)產(chǎn)權(quán)目錄（不超過10件）序號(hào)知識(shí)產(chǎn)權(quán)類別知識(shí)產(chǎn)權(quán)具體名稱國家（地區(qū)）授權(quán)號(hào)權(quán)利人發(fā)明人12345678910備注：上述10件主要知識(shí)產(chǎn)權(quán)包括著作權(quán)、商標(biāo)權(quán)、技術(shù)秘密、動(dòng)植物新品種審定、新藥證書、醫(yī)療器械注冊(cè)證書、農(nóng)藥、食品或飼料添加劑等其他知識(shí)產(chǎn)權(quán)情況。

六、主要完成人姓名丁世飛性別男排名1行政職務(wù)無工作單位中國礦業(yè)大學(xué)對(duì)本項(xiàng)目貢獻(xiàn)：（限300字）項(xiàng)目負(fù)責(zé)人。提出了項(xiàng)目的研究目的、意義與研究內(nèi)容，全面負(fù)責(zé)項(xiàng)目的研究計(jì)劃、組織實(shí)施、研究進(jìn)展與考核。針對(duì)大規(guī)模數(shù)據(jù)場景，建立了面向大規(guī)模數(shù)據(jù)的算法理論，提出了面向大規(guī)模數(shù)據(jù)的譜圖學(xué)習(xí)理論算法與提出了面向大規(guī)模數(shù)據(jù)的支持向量機(jī)理論與算法，對(duì)應(yīng)創(chuàng)新點(diǎn)1、2。姓名史忠植性別男排名2行政職務(wù)無工作單位中國科學(xué)院計(jì)算技術(shù)研究所對(duì)本項(xiàng)目貢獻(xiàn)：（限300字）主要參與人。對(duì)于復(fù)雜的場景數(shù)據(jù)，提出了提高環(huán)境認(rèn)知的機(jī)器智能模型。包括三個(gè)級(jí)別的腦機(jī)協(xié)作計(jì)算認(rèn)知模型，深層網(wǎng)絡(luò)模型卷積生成隨機(jī)模型用于視覺特征表示。對(duì)應(yīng)創(chuàng)新點(diǎn)3。姓名孫仕亮性別男排名3行政職務(wù)無工作單位華東師范大學(xué)對(duì)本項(xiàng)目貢獻(xiàn)：（限300字）主要參與人。針對(duì)大規(guī)模數(shù)據(jù)環(huán)境下大量無標(biāo)簽數(shù)據(jù)，利用半監(jiān)督學(xué)習(xí)的思想標(biāo)記無標(biāo)簽樣本，提出了一種新的正則化方法，稱為切線空間本征流形正則化，并由此提出TISVMS和TITSVMS。對(duì)應(yīng)創(chuàng)新點(diǎn)2、3。姓名梁志貞性別男排名4行政職務(wù)無工作單位中國礦業(yè)大學(xué)對(duì)本項(xiàng)目貢獻(xiàn)：（限300字）主要參與人。面對(duì)復(fù)雜的大規(guī)模數(shù)據(jù)，提出了面向正則化理論以及多核學(xué)習(xí)的學(xué)習(xí)框架和算