媒体大数据机器学习

面向超高维数据的子空间学习方法

        多媒体内容分析中所获取的数据常呈现出超高维的特性,数据的特征维度会远大于总体样本数目。针对这一问题,我们研究多层子空间集成学习方法,学习超高维数据的多层子空间结构,并对各层子空间的学习结果进行融合,以获得数据的整体学习结果。

5fb0e4fcd896a.png


深度多模相似函数学习

针对媒体数据特征的多样性,利用深度学习模型,构建基于多模特征的深度相似函数学习方法。该方法结合多深神经网络,融合多模特征信息,有效解决媒体数据样本相似性度量的问题。

5fb0e68b6005b.png

图像来源取证的机器学习方法

针对在图像安全问题中由设备与环境差异所造成的源域与目标域特征分布不一致及目标域样本吝乏的问题,采用通信信道模型与迁移学习方法对特征空间进行映射及正则化,从而解决图像安全中的关键问题。

5fb0e6cc59808.png

联系方式

  • 电子邮件:liuwanqi@szu.edu.cn
  • 地址:深圳市南山区南海大道3688号深圳大学电子与信息工程学院N801
  • 邮编:518060
  • 电话:0755-86716669
  • E-mail: liuwanqi@szu.edu.cn
  • Address: Room N801, College of Electronics and Information Engineering, Shenzhen University
  • Postcode: 518060
  • Tel: 0755-86716669