Boosting理论与算法的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61075003
  • 项目类别：
    面上项目
  • 资助金额：
    37.0万
  • 负责人：
    王立威
  • 依托单位：
    北京大学
  • 学科分类：
    F0605.模式识别与数据挖掘
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

Boosting是模式识别、机器学习领域最重要的研究成果之一。虽然在算法方面取得了突出的效果，但关于boosting的两个核心问题- - 1）Boosting为何具备优异的性能；2）Boosting为何会具有较强的抗过拟合能力- - 至今没有令人满意的理论解释。本项目将研究并建立完整的理论体系以回答上述两个核心问题，进而在理论指导下设计更高性能的全新boosting算法。计划建立boosting分类器基于Emargin的泛化错误率上界、匹配下界、以及大样本相合性。设计以优化Emargin为目标的boosting算法。此外，还预计将新算法应用到人脸检测与识别系统。本项目预期在国际权威学术期刊、会议上发表论文8-10篇，并培养3-5名研究生。

结项摘要

Boosting是机器学习领域性能最好的算法之一，已经被广泛用于多个应用领域。Boosting中最具代表性的算法是adaboost。该算法利用一个给定的基本分类算法，通过对训练数据集相继赋予不同的权重分布，学习出一系列基本分类器，而后将这些基本分类器组合起来作为最终的分类器。关于adaboost有两个核心问题：1）为什么adaboost会有如此优异的性能？ 2）实验中观察到adaboost在很多情况下不发生过拟和,这似乎与Occam剃刀原则完全相悖，理论上如何解释？ ..本项目针对上述两个boosting基本问题进行了较为系统的理论研究。在Schapire, Breiman等人工作的基础上，提出了Equilibrium margin理论。项目核心成果在于，我们证明了一个组合分类器的margin上界。该上界中的核心量是我们定义的一个新的概念，称作Equilibrium-margin，简称Emargin。我们证明了Emargin理论一致优于Breiman的最小margin理论和Schapire的margin distribution理论。这一结果对margin理论的争论给出了解释。此外，我们根据Emargin理论，设计了新的boosting算法，取得了较好的效果。..在上述工作基础上，我们对一般线性分类器的margin理论进行了深入的分析。由Vapnik等人给出的经典margin理论一直认为学习结果的泛化能力只与分类器的margin有关，与数据所在空间维数无关。我们证明了一个新的margin上界，该上界不仅与margin有关，而且与空间维数有关。我们同时证明，新的维数相关margin上界一致优于经典的维数无关上界。新结论说明泛化能力随着空间维数增加变差，并非与维数无关。..此外我们还研究了主动学习理论、排序学习和基于学习的算法博弈论。并将以上理论和算法成果应用于计算机视觉领域的具体问题中，取得了较好的效果。..本项目在包括JMLR, NIPS, COLT, IJCAI等机器学习领域权威学术刊物、会议上发表高水平论文10篇。项目负责人在CCML2013做大会特邀报告。本项目还培养6名研究生。

项目成果

期刊论文数量（3）
专著数量（0）
科研奖励数量（0）
会议论文数量（6）
专利数量（0）
Smoothness, Disagreement Coefficient, and the Label Complexity of Agnostic Active Learning
不可知主动学习的平滑度、不一致系数和标签复杂度
  • DOI：
    10.5555/1953048.2021072
  • 发表时间：
    2011-02
  • 期刊：
    Journal of Machine Learning Research
  • 影响因子：
    6
  • 作者：
    Wang, Liwei
  • 通讯作者：
    Wang, Liwei
Further Results on the Margin Explanation of Boosting: New Algorithms and Experiments
Boosting 边际解释的进一步结果：新算法和实验
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    Science China Information Sciences
  • 影响因子：
    --
  • 作者：
    Liwei Wang;Xiaocheng Deng;Zhaoxiang Jing;Jufu Feng
  • 通讯作者：
    Jufu Feng
A Refined Margin Analysis for Boosting Algorithms via Equilibrium Margin
通过均衡保证金提升算法的精细保证金分析
  • DOI：
    10.5555/1953048.2021058
  • 发表时间：
    2011-02
  • 期刊：
    Journal of Machine Learning Research
  • 影响因子：
    6
  • 作者：
    Wang, Liwei;Sugiyama, Masashi;Jing, Zhaoxiang;Yang, Cheng;Zhou, Zhi-Hua;Feng, Jufu
  • 通讯作者：
    Feng, Jufu

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

卖空与创新:A股公司融券试点的证据
  • DOI：
    --
  • 发表时间：
    2020
  • 期刊：
    会计研究
  • 影响因子：
    --
  • 作者：
    李春涛;许红梅;王立威;周鹏
  • 通讯作者：
    周鹏

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

王立威的其他基金

深度学习泛化与表示理论研究
  • 批准号：
  • 批准年份：
    2022
  • 资助金额：
    54 万元
  • 项目类别：
    面上项目
深度神经网络的margin理论
  • 批准号：
    61573026
  • 批准年份：
    2015
  • 资助金额：
    64.0 万元
  • 项目类别：
    面上项目
基于相异度的模式识别理论与算法研究
  • 批准号：
    60775005
  • 批准年份：
    2007
  • 资助金额：
    34.0 万元
  • 项目类别：
    面上项目

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