基于约束的半监督降维及其推广性研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    60875030
  • 项目类别：
    面上项目
  • 资助金额：
    30.0万
  • 负责人：
    张道强
  • 依托单位：
    南京航空航天大学
  • 学科分类：
    F0603.机器学习
  • 结题年份：
    2011
  • 批准年份：
    2008
  • 项目状态：
    已结题
  • 起止时间：
    2009-01-01 至2011-12-31

项目摘要

降维是处理高维数据的关键技术之一，传统降维方法可分为监督降维和无监督降维两类。近年来，随着半监督学习的兴起，一些半监督降维方法开始出现。半监督降维是指在降维中同时利用监督信息和无标记样本，可看成是半监督学习的一个新的分支。监督信息可以是类别标号，也可以是揭示样本是否属于同一类的约束，据此又可分为基于标号的半监督降维和基于约束的半监督降维。由于从标号可以产生约束，且约束因不需太多的领域知识而更易获取，因而对基于约束的半监督降维的研究更有实际意义。目前国际上对此方面的研究还非常薄弱。本项目旨在已有基础之上，重点研究以下几个问题：1）基于约束的高效降维算法的设计；2）基于约束的半监督降维的一般性框架；3）对降维结果的评价准则；4）约束集的选择；5）基于约束重采样的集成学习。以上研究均在特征抽取和特征选择两个层面展开。本项目的研究将对半监督降维和集成学习的理论与算法有所贡献，并有着广阔的应用前景。

结项摘要

项目成果

期刊论文数量（27）
专著数量（0）
科研奖励数量（0）
会议论文数量（7）
专利数量（0）
Semi-supervised Dimensionality Reduction with Pairwise Constraints for Hyperspectral Image Classification
用于高光谱图像分类的具有成对约束的半监督降维
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
A multiobjective simultaneous learning framework for clustering and classification
用于聚类和分类的多目标同时学习框架
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
A Simultaneous Learning Framework for Clustering and Classification
聚类和分类的同步学习框架
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Predicting Clinical Scores Using Semi-supervised Multimodal Relevance Vector Regression
使用半监督多模态相关向量回归预测临床评分
  • DOI：
    10.1007/978-3-642-24319-6_30
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：
Semisupervised Kernel Matrix Learning by Kernel Propagation
通过核传播进行半监督核矩阵学习
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
  • 影响因子：
    --
  • 作者：
  • 通讯作者：

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

基于标签对齐的多模态一致性表型关联方法
  • DOI：
    --
  • 发表时间：
    2022
  • 期刊：
    计算机学报
  • 影响因子：
    --
  • 作者：
    汪美玲;邵伟;张道强
  • 通讯作者：
    张道强
用于阿尔茨海默病诊断的权值分布特征学习
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    软件学报(北大中文核心期刊)
  • 影响因子：
    --
  • 作者：
    程波;丁毅;张道强
  • 通讯作者：
    张道强
人类白细胞抗原G和人类白细胞抗原E在宫颈癌中的表达及临床意义
  • DOI：
    --
  • 发表时间：
    2016
  • 期刊：
    国际免疫学
  • 影响因子：
    --
  • 作者：
    冷雪娇;粘桂粒;张道强;周秀英;李彩霞;刘硕;邹红霞
  • 通讯作者：
    邹红霞
A Multi-objective Simultaneous Learning Framework for Clustering and Classification
用于聚类和分类的多目标同时学习框架
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    IEEE Transactions on Neural Networks
  • 影响因子：
    --
  • 作者：
    张道强;陈松灿;蔡维玲
  • 通讯作者：
    蔡维玲
间接免疫荧光法筛查抗核抗体与特异性抗体检测的相互关系
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    中华临床免疫和变态反应杂志
  • 影响因子：
    --
  • 作者：
    胡朝军;李俊;张道强;张蜀澜;李丽君;董晓娟;张奉春;李永哲
  • 通讯作者：
    李永哲

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

张道强的其他基金

基于深度学习的跨任务认知负荷评估研究
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    53 万元
  • 项目类别：
    面上项目
基于深度学习的脑影像基因组学分析方法
  • 批准号：
    62136004
  • 批准年份：
    2021
  • 资助金额：
    296 万元
  • 项目类别：
    重点项目
脑影像功能校准及其应用研究
  • 批准号：
    61876082
  • 批准年份：
    2018
  • 资助金额：
    62.0 万元
  • 项目类别：
    面上项目
属性学习及其应用研究
  • 批准号：
    61473149
  • 批准年份：
    2014
  • 资助金额：
    83.0 万元
  • 项目类别：
    面上项目
半监督聚类及其应用研究
  • 批准号：
    60505004
  • 批准年份：
    2005
  • 资助金额：
    22.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码