学院新闻

AG首页 > 通知动态  > 学院新闻
荆晓远教授研究组在人工智能顶级期刊TPAMI上揭晓[jiē xiǎo]学术论文
2019年08月30日14时 人谈论[tán lùn]

克日[kè rì]人工智能领域国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence(模式剖析[pōu xī]与机械[jī xiè]智能汇刊,TPAMI)任命[rèn mìng]并在线揭晓[jiē xiǎo]荆晓远教授研究组一篇论文,问题[wèn tí]是“Multiset Feature Learning for Highly Imbalanced Data Classification”(基于多集特征学习的严重不平衡数据分类)。荆先生[xiān shēng]向导[xiàng dǎo][lǐng dǎo]课题组在读博士生张新玉同砚[tóng yàn]、以及已经结业[jié yè]的吴飞博士和朱小柯博士等同砚[tóng yàn]完成了这篇论文,而且[ér qiě]海内[hǎi nèi]有关高校先生[xiān shēng]加入[jiā rù][dào chǎng]了这项事情[shì qíng]。

数据种别[zhǒng bié]不平衡是普遍[pǔ biàn]存在的情形[qíng xíng],而且随着大数据时代的到来,这种情形[qíng xíng]越来越多,例如在软件工程、生物信息学、目的[mù de]识别等应用场所[chǎng suǒ]。而且[ér qiě],许多[xǔ duō]场所[chǎng suǒ]是严重不平衡,即数据的种别[zhǒng bié]不平衡比率很高,这样容易导致学习算法分类性能显著下降。这篇论文首先使用[shǐ yòng]随机划分战略[zhàn luè][jì móu]和天生[tiān shēng]反抗[fǎn kàng]网络对原始不平衡数据集结构[jié gòu]出多个平衡数据子集,然后提出了一种新的深度怀抱[huái bào]学习要领[yào lǐng]即深度多集特征学习。该要领[yào lǐng]设计了新的判别[pàn bié]项和加权不相关约束,并引入价钱[jià qián][jià gé]敏感因子,增强了算法的分类能力。实验批注[pī zhù][jiǎng míng]该要领[yào lǐng]为不平衡数据分类学习、特殊[tè shū]是严重不平衡学习提供了一个新思绪[sī xù]和新要领[yào lǐng]。

    凭证[píng zhèng][píng jù]2019SCI检索陈诉[chén sù],IEEE Transactions on Pattern Analysis and Machine Intelligence期刊的SCI检索因子是17.73,是现在[xiàn zài]人工智能领域及信息科学领域有普遍[pǔ biàn]影响力的权威期刊。这是盘算[pán suàn]机学院首次以第一作者单元[dān yuán]在该期刊上揭晓[jiē xiǎo]论文,它将有力地推进人工智能学科的前沿性研究事情[shì qíng],扩大学科的影响力。


版权所有 ?搏天堂平台手机登录 | copyright ? 2008-2019 School of Computer Science, Wuhan University. All Rights Reserved.

搏天堂平台手机登录