数据定向融合研究进展

数据融合是数据科学研究与产业化的热点，备受瞩目。但是，目前数据融合往往忽略了数据源的主从关系，借鉴相关数据源来扩大样本数据量，但着眼于处理特点的数据集（尤其是小数据集）。这一数据处理可以称为数据定向融合（Data Directional Fusion），尤其是大小数据定向融合，用于借鉴大数据资源，来处理小数据样本。

为了填补这一空白，李勇明团队近年来展开科研攻关，先后提出乳腺癌图像两步式迁移学习算法，癌症图像自适应深度网络剪枝迁移学习、PD语音卷积稀疏迁移学习算法等。这些算法的共同点就是利用大样本数据集预训练分类模型，结合当前目标集训练集微调分类模型，从而针对当前目标集测试集进行处理。这些研究说明了数据定向融合技术的优势。我们还将继续努力，在数据定向融合方面进行更多有益的探索。

论文信息

[1] 张小恒，李勇明*，王品，曾孝平，颜芳，张艳玲，承欧梅. 基于语音卷积稀疏迁移学习和并行优选的帕金森病分类算法研究. 电子与信息学报，2019,41:1-9    （EI：20193707417180）

[2] Pin Wang, Jiaxin Wang, Yongming Li, Linyu Li, and Hehua Zhang. Adaptive Pruning of Transfer Learned Deep Convolutional Neural Network for Classification of Cervical Pap Smear Images. IEEE Access, March, 2020      (SCI:WOS:000524898800004/EI) 

[3] Pin Wang, Qi Song, Yongming Li, Shanshan Lv, Jiaxin Wang, Linyu Li, HeHua Zhang，Cross-Task Extreme Learning Machine for Breast Cancer Image Classification with Deep Convolutional Features，Biomedical signal processing and control. 2020,57, https://doi.org/10.1016/j.bspc.2019.101789    (SCI)