【所属领域】
电子信息技术
【技术背景】
随着信息技术的快速发展，信息产业已成为我国经济发展的重要组成部分, 互联网技术的快速发展更是促进了多种媒体数据的海量式增加,这些快速增加的海量多媒体数据不仅呈现几何级数增长，并且呈现出维数高、规模大和结构复杂等特性，如何从高维多媒体数据中挖掘出能揭示和表示多媒体数据潜在结构、内在属性和规律，且符合实际应用需求的有效信息已经成为模式识别、机器学习、数据挖掘、人工智能、计算机视觉等领域的研究热门课题之一。 直接处理多媒体数据一方面计算、分析、存储、传输等处理成本很高，另一方面因为高维多媒体数据本身通常是稀疏的、冗余的， 容易掩盖数据的宏、微观性质及真实结构，甚至导致错误的分析处理结果，即通常所说的“维数灾难”。降维是解决“维数灾难”问题一个有效途径之一，它通过寻找有效、简单的数据表示方式，在保持数据的内在结构、有效信息的前提下，降低数据表示复杂度，实现对数据的有效计算、分析处理、存储、传输和可视化等。
目前已有的降维算法大致可以分为线性和非线性方法两大类。线性降维算法无法找到非平滑流形数据的最佳线性投影，不能处理非平滑空间上数据的降维问题；已有处理非线性数据集的降维问题的方法主要可以分为两类：基于核的降维方法和基于流形学习的降维方法。基于核的降维算法依赖于所选取的线性约简模型，本质上仍然是线性处理，另一方面，基于核的降维方法强依赖于核函数的选取，现实生活中的数据复杂多变，选取能够正确刻画数据内在结构的核函数存在诸多困难；基于流形学习的非线性降维算法强依赖于数据局部块等同于欧式空间这一强假设，在曲率较大的非平滑流形上降维效果较差。
数据空间中的角度信息作为非常重要的几何结构之一，可以弱化图像数据中的物理信息，进一步减少降维过程中对数据几何结构刻画的影响。因此，使用角度刻画数据的几何结构，建立包含数据角度信息的多几何结构度量，并通过保持角度不变，实现高维数据的降维过程中复杂几何结构的保持，进一步探索数据的低维流形结构新的表示理论和方法，是海量多媒体数据降维中一个有效可行的方式。
【成果介绍】
将保角变换相关理论引入到海量多媒体数据降维中，利用保角变换旋转角不变性和伸缩率不变性的特点，构造非平滑海量多媒体数据间角度度量以及表征数据集复杂几何结构的多几何结构度量，重点解决复杂海量多媒体数据中非平滑高维数据降维及其降维中全局及局部几何结构保持问题。开发了基于保角变换的海量多媒体数据降维模型并将角度度量引入到于交通视频的车辆检测追踪中。
【专家介绍】
尤新革，国家防伪工程技术研究中心深圳分中心主任，“深圳市高层次人才”，2004年博士毕业于香港浸会大学，2004年7月至2007年12月在香港浸会大学从事博士后合作研究，入选2007年教育部新世纪优秀人才支持计划。现为国际电子电气工程协会高级会员，国际电子电气工程协会系统、人与机器模式识别技术委员会副主席，国际权威刊物IEEE Trans. Syst. Man Cybern. Syst.副主编，中国计算机学会视觉专委会委员。长期从事生物特征识别与智能防伪、模式识别、计算机视觉与机器学习等方面研究。近年主持完成国家支撑计划、国际合作重点项目、国家自然科学基金等国家省部级项目三十余项，先后获湖北省科技进步一等奖，重庆市自然科学二等奖，湖北省自然科学三等奖；在国际权威刊物及国际会议上发表论文170余篇，其中SCI检索140余篇。参与合作撰写生物特征识别英文专著两本，获得授权发明专利20余项。
