研究所动态

喜讯:我所喜获两项国家自然科学基金立项资助

发布时间:2014年9月1日

       近日,国家自然科学基金委员会公布了2014年度国家自然科学基金项目立项结果。我所青年教师冯松鹤副教授申报的面上项目“海量社群图像语义理解关键技术研究”和师资博士后武志昊申报的青年基金项目“复杂网络链接预测与社团发现混合方法研究”分别喜获资助,资助金额分别为78万元和23万元。

     “海量社群图像语义理解关键技术研究”的研究目标是面向互联网社群图像的语义理解。主要研究内容:(1) 基于机器学习的单幅图像显著性检测和群组图像协同显著性检测算法。(2) 研究基于多标记排序的图像级自动标注算法,通过挖掘标签间的配对排序关系和语义相关性,实现一种高效的图像级标注算法。(3) 针对区域级自动标注问题,研究在结构化稀疏表示理论框架下,从输入端和输出端同时挖掘图像区域的语义上下文信息,并据此提升区域级标注的准确性。(4) 针对社群图像中存在的标签序列无序性的特点,通过分析社群图像的显著性特征分布,研究自适应地从标签与图像的语义相关度及标签所对应图像区域显著度角度实现标签排序算法。(5) 针对社群图像标签填充问题,研究在矩阵填充理论框架下,引入矩阵低秩正则约束项和标签配对排序关系,优化得出图像-标签关系矩阵。课题的特色是,以社群图像为研究对象,充分挖掘图像和标签的语义上下文信息,为海量社群图像检索提供有效的检索途径。

       链接预测与社团结构发现都是复杂网络研究中非常重要的问题和研究热点,在许多领域都有着明确的理论和应用价值。近期的研究结果表明链接预测与社团发现之间存在着某种内在的紧密联系,但是它们之间明确的相关性仍然并不清晰。项目“复杂网络链接预测与社团发现混合方法研究”针对链接预测与社团发现的相关性展开研究,拟将这两个问题的求解进行深度结合,一方面利用链接预测方法对网络进行必要的信息补充以提升稀疏网络中社团的可发现性;另一方面利用网络中可能存在的各类社团结构信息增强链接预测模型和算法的设计,以求获得更好的预测精度和效率。项目的研究将推进对网络中链接和社团结构形成机制的理解,对网络动态的研究产生广泛的影响。

       在向获得资助的项目负责人表示热烈的祝贺的同时,我所也将认真高组织,高质量地完成基金项目的研究工作。