WELCOME to the VISION LAB @ Qingdao, OUC



实验室成功举办“2015智能数据分析研讨会”

作者: 高峰 更新时间: 2015-10-31

     2015年10月31日,视觉实验室在大学生活动中心报告厅成功举办了“2015智能数据分析研讨会”。开幕式上,会议主席董军宇教授进行了致辞。随后,受邀嘉宾进行了精彩的报告,涉及机器学习、大数据挖掘、机器视觉、自然语言处理、海洋环境数据分析等。本次研讨会吸引了来自青岛大学、中国海洋大学、西安电子科技大学、青岛理工大学等学校的学院领导、教授、副教授、研究生,共约200余人。

     报告会特邀北京大学林宙辰教授、西北工业大学公茂果教授、西安电子科技大学苗启广教授、南京大学李宇峰博士、清华大学深圳研究生院郭振华博士、国家海洋局第一海洋研究所马毅研究员、中国科学院自动化研究所杨沛沛研究员和张家俊研究员,分别做了“Low Rank Representation”、“多目标深度神经网络与稀疏特征学习”、“基于黄霾物理特性的改进的单幅图像去霾方法”、“Learning methods for safely using unlabelled data ”、“局部纹理特征提取及其应用”、“信息技术在海洋遥感中的应用”、“跨领域机器学习及其在图像识别中的应用”和“自然语言处理中的语义表示学习”的报告。

     林宙辰教授介绍了一个稳健的子空间聚类方法,称为低秩表示(LRR),这是一个稀疏的子空间聚类(SSC)和稳健的PCA(RPCA)的结合。他还介绍了一些LRR惊人的属性的和一些有趣的LRR的应用和推广。

     公茂果教授介绍了一种面向稀疏特征学习的多目标深度神经网络模型。该模型通过同时优化两个目标(重构误差和隐层节点的稀疏度)来学习网络的连接权值和偏置,从而自动寻找两个目标的折衷解。

     杨沛沛研究员首先介绍了跨领域学习的基本思想和概念,然后报告他在多任务学习方法上的一些研究成果,包括基于图约束的方法和两种多任务度量学习方法,最后介绍了在跨领域图像识别方面的两项工作,并对几个值得进一步探索的问题进行展望。

     张家俊研究员报告的内容以表示学习为核心,分别介绍词、短语以及句子的向量化语义表示,并给出这些表示在不同自然语言处理任务中的应用。

     苗启广教授提出了一种新的单幅图像去霾方法,并通过新提出的自适应天空检测方法来获取大气光,通过新提出的图像自适应的通道均衡化方法进行色彩平衡以消除黄霾的颜色影响,并通过在改进参数的HSI空间处理来避免复原图像出现过饱和。

     马毅研究员介绍了其研究团队近年来若干研究工作:1)提出了基于物理学机制的水下地形SAR遥感探测模型和方法;2)提出了二维经验模分解(BEMD)模型方法;3)开展了半监督学习方法在海岸带遥感分类中的应用研究;4)分析了高光谱遥感图像压缩感知光谱保真性。

     李宇峰博士报告中提出了一个可扩展的方法,其能够以有效的方式优化一个紧凸上界目标。通过考虑性能退化可能是由模型选择的不确定性引起的,他提出了一个学习方法,其优化了最坏情况的精度的提高,从而避免了不确定性模型选择的危害。

     郭振华博士针对于纹理图像的分析和识别,提出了不同策略,显著地提高了纹理图像的分析和识别的性能。并将部分成果应用到生物特征识别中的人脸识别和掌纹识别等。最后,还将展望局部纹理特征在海洋环境监测等领域的应用。

     报告结束后,受邀嘉宾和在场的师生进行了交流。研讨异常热烈,很多参会的同学、委员、教师都从自己所从事的研究角度,就感兴趣的问题与讲者进行了充分讨论和交流。