人才特区聂飞平教授等在国际顶级会议上发表论文-视窗-西北工业大学新闻网
新闻网
工大要闻
当前位置: 首 页 >> 工大要闻 >> 正文
人才特区聂飞平教授等在国际顶级会议上发表论文
发布时间:2018-05-10 10:34:08 来源:人才特区 已浏览:

西工大新闻网5月10日电聂飞平)近日,享有国际盛誉的数据挖掘最高会议SIGKDD2018的论文录用结果公布,我校人才特区光学影像分析与学习中心(OPTIMAL)聂飞平教授等指导下的两篇论文入选为Long Presentation。

美国计算机学会ACM SIGKDD Conference on Knowledge Discovery and Data Mining,简称SIGKDD或KDD,是国际数据挖掘领域的最高会议,属于CCF A类会议。该会议的学术论文录用率不超过20%,每年都吸引两千多人参会。

2018年SIGKDD共录用了181篇论文,录用率为18.4%,其中Long Presentation论文107篇,录用率仅为10.9%,据悉,我校被录用的两篇学术论文均为Long Presentation,且全部作者均为OPTIMAL中心成员,这也是我校师生第一次在该会议上发表论文。

聂飞平教授等指导的博士生户战选的论文“Calibrated Multi-Task Learning”主要研究多任务回归学习在数据挖掘中的应用。针对传统的核范数正则化项在多任务学习上的不足,该论文提出了一种新的非凸低秩正则化项来挖掘任务之间的相关性。同时,考虑到不同的学习任务往往含有不同程度的噪声,采用了一个新的损失函数来提高算法的鲁棒性。此外,一种高效的优化框架被提出用以求解对应的非凸非光滑模型,理论分析表明该优化框架同样适用于许多其他的机器学习任务。

聂飞平教授等指导的硕士生田来的论文“Multiview Clustering via Adaptively Weighted Procrustes”关注聚类任务中的多视图谱聚类问题。论文指出多视图谱聚类可被视为统计形状匹配问题,进而可以通过求解Procrustes均值问题直接得到聚类标签。同时也指出,若仅仅使用普通的Procrustes均值问题,不同视图间的聚类能力差异将被忽略。因此,论文提出了一个自适应于聚类能力的加权Procrustes均值方法。和传统的多视图聚类方法相比,新方法聚类精度高,运算速度快。

聂飞平,光学影像分析与学习中心教授,中组部青年千人计划入选者。已发表CCF A类论文140余篇,Google学术引用9000余次,H指数51。主要研究兴趣为机器学习中的理论分析和方法设计。常年应邀担任相关领域期刊会议的编委,审稿人,领域主席或高级程序委员。

(审稿:黄庆华)

相关文章
    读取内容中,请等待...
校园动态
视频新闻