模式识别是信息领域和人工智能领域的最重要的研究内容之一，已被广泛应用于公共安全、国防、航天、大数据分析、人机交互、智能交通、医学等许多行业。当代信息社会，随着信息感知手段和能力的增强，数据维数越来越高造成的“维数灾难”，例如：视频目标识别、生物信息数据分析。传统模式识别技术难以适应高维复杂模式识别的应用需求，本项目针对高维数据的模式识别特点和应用需求，通过系统性地研究，提出以下解决思路：通过提出新的特征选择机制和新的特征降维框架来去除冗余特征和降低特征维数；通过提出新的聚类算法来提高大数据的分类和聚类性能；通过半监督学习来解决高质量标记样本不足的局限性。在航天等重要应用领域得到成功应用。主要创新性成果表现在：1）针对特征选择中精度与搜索效率的矛盾，提出了基于粒子优化和粗糙集、基于稀疏分数的新特征选择机制2）提出了一个能够统一各种基于谱分析的降维算法的框架，在该框架下开发了多个新的降维算法：线性局部切空间排列方法、最大方差映射方法、判别正交邻域保存映射、局部坐标排列的方法等。3）提出了一系列适合于大数据分析的新聚类算法：两种在线软子空间聚类算法、两种流数据软子空间聚类算法、一种新颖的多目标优化的软子空间聚类算法、基于竞争合并策略的模糊加权软子空间聚类算法、熵加权软子空间聚类算法、核特征空间中的属性加权核聚类算法、一种新颖的视觉聚类分析算法。4）提出了2种高效的半监督学习算法：基于导学与导教的标签传播算法，基于变形拉普拉斯矩阵的标签预测算法。从出具的查新报告看：8篇文献被SCIE收录，其中1篇论文是SCI检索系统标注奖杯的高被引论文。SCIE8篇文献共被SCI他引902篇次。8篇论文被谷歌学术引用超过1500次。1篇论文被评为Pattern

Recognition2006-2010 Most Cited Paper。1篇论文被世界科技成果著名评论网站vertical news专门详细报道论文成果。出版专著《数据挖掘技术与应用》《视频目标检测和跟踪及其应用》学术创新性和学术贡献先后获同行评审专家好评，获国家学术出版基金的资助。7项国家发明专利获授权。本项目培养一批高水平的优秀青年人才，指导获得3次国家或一级学会优秀博士学位论文、4篇上海市优秀博士学位论文、3篇上海市优秀硕士论文。指导1名毕业博士获国家自然基金杰出青年基金，指导超过10名研究生毕业后在国内高校担任教授，10多名人工智能领域公司技术高管。本项目成果成功应用于神舟飞船与天宫一号在阳光照射条件下进行交会对接时，测量信号灯的精确检测和分割定位，通过验收和2次实际应用验证（神舟八号飞船与天宫一号、神舟九号飞船与天宫一号）。还成功应用于生物信息学、医学辅助分析、航天目标识别等领域。