中国计算机学会青年计算机科技论坛－保定分论坛

CCF Young Computer Scientists & Engineers Forum－Baoding Branch

CCF YOCSEF 保定

时间：2018年12月24日(周一) 08:00-11:30

地点：华北电力大学一校图书馆六楼报告厅（河北保定莲池区永华北大街619号）

主题：机器学习方法

人工智能的迅速发展将深刻改变人类社会，并成为经济发展的新引擎、国际竞争的新焦点。而机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。

2018年12月24日，CCF YOCSEF保定分论坛联手华北电力大学电子与通信工程系举办“直隶大讲堂：机器学习算法及其应用”学术报告会，聆听机器学习专家精彩学术观点。

主办：

CCF YOCSEF 保定分论坛

承办：

华北电力大学电子与通信工程系

报名方式：Email：2018171324@qq.com (请于12月23日前将参会回执回复至该邮箱，邮件主题请注明“姓名+CCF YOCSEF保定-华电报告会回执”)

参加方式：免费参加，敬请光临；欢迎现场加入CCF！

特邀报告讲者：王雷

Lei Wang received his PhD degree from Nanyang Technological University, Singapore. He is now Associate Professor at School of Computing and Information Technology of University of Wollongong, Australia. His research interests include machine learning, pattern recognition, and computer vision. Lei Wang has published 140+ peer-reviewed papers, including those in highly regarded journals and conferences such as IEEE TPAMI, IJCV, CVPR, ICCV and ECCV, etc. He was awarded the Early Career Researcher Award by Australian Academy of Science and Australian Research Council. He served as the General Co-Chair of DICTA 2014 and on the Technical Program Committees of 20+ international conferences and workshops. Lei Wang is senior member of IEEE.

报告摘要：

During the past several years, covariance matrices have been used as feature representation in multiple visual recognition tasks. This talk will report our recent work on learning and designing covariance and generic symmetric positive definite matrices to achieve better recognition. The first part of this talk presents a method called discriminative Stein kernel. It integrates class label information into the Stein kernel to adjust input covariance matrices to enhance its discriminative capability. The second part explores the sparsity structure among features to compute sparse inverse covariance matrix as representation, achieving better recognition performance in the case of high-dimensional features but small sample. The third part moves beyond covariance matrix to employ kernel matrix as feature representation, and jointly learn it in deep learning framework via an end-to-end manner. This not only resolves the high dimensionality and small sample problems, but can also take advantage of the capability of kernel matrix in modelling nonlinear relationship among features. Comprehensive experimental study is conducted on visual classification tasks to demonstrate the efficacy and advantage of the proposed methods over the comparable ones in the literature.

特邀报告讲者：刘新旺

刘新旺博士对机器学习领域中的多核学习、多视图聚类、无监督深度学习等算法开展深入研究，发表CCF A类期刊（IEEE TPAMI、IEEE TIP、IEEE TKDE、IEEE TIFS等）及A类会议（AAAI、IJCAI、ICCV）25篇，其中以第一作者及通讯作者发表17篇，两篇进入学科前10%层次。获湖南省自然科学一等奖、入选学校青年拔尖人才计划、全军优博提名奖。主持国家自然科学基金青年项目1项，面上项目1项，以核心骨干人员参与军委科技委先导项目“未来计算机技术发展趋势研究”、国家自然科学基金应急项目1项、国家自然科学基金面上项目3项。受邀担任IEEE TNNLS、IEEE TCSVT、IEEE TKDE、IEEE TCyb、IEEE TIP等国际著名期刊的审稿人，是人工智能领域顶级会议AAAI 2015-2019、IJCAI 2016-2018的程序委员会委员，是国际期刊IEEE Access的副主编。

报告摘要：

围绕多视图聚类问题展开研究：提出了矩阵范数正则化多模态聚类算法以降低冗余性和增强多样性；提出了缺失多模态分类、聚类算法以解决具有缺失模态的分类、聚类等学习问题；提出了噪声多模态分类、聚类算法以解决具有噪声模态的分类、聚类等学习问题。

执行主席：赵振兵

CCF YOCSEF保定分论坛候任AC委员，博士，华北电力大学电子与通信工程系副教授，硕导。中国计算机学会计算机视觉专委会委员，中国图象图形学学会视觉大数据专委会委员、成像探测与感知专委会委员，中国电机工程学会电力通信专委会学组成员，图像视频大数据产业技术创新战略联盟会员单位联系人，河北省“三三三人才工程”人选。目前以第1作者出版专著《面向智能输变电的图像处理技术》1部，发表SCI或EI收录论文30余篇；主持国家自然科学基金2项(61871182、61401154)、河北省自然科学基金1项(F2016502101)、中央高校基本科研业务费专项资金4项(2015ZD20、2018MS095、12MS122、09QG10)，以第2负责人参加863子课题1项(2014AA123503)，参研国家自然科学基金项目3项(61773160、60973087、61372042)；主持电力企业合作课题5项；以第1完成人获得国家专利授权11项。主要研究方向是电力视觉。

执行主席：鲁斌

CCF YOCSEF保定分论坛候任副主席，博士，华北电力大学计算机系主任，国际信息研究学会人工智能专委会副主任，中国人工智能学会基础委员会委员，中国计算机学会会员。2015年英国爱丁堡大学公派管理访学（3个月），2016年英国亚伯大学公派访问学者（1年）。主持或参与国家、省部级科技项目6项，作为校内第一完成人获河北省科技进步奖3项，市级科技进步奖4项，出版专著1部，获专利4项，发表SCI、EI论文34篇，主持横向课题7项。校教学优秀特等奖获得者，校首届教学名师培育计划入选者，课堂教学质量综合评价“特别优秀”，出版“十一五”国家级等规划教材4部，主持河北省教改项目1项，教育部产学研项目3项，获河北省教学成果奖1项。