11月16日上午,闽南师范大学林耀进教授、西安石油大学折延宏教授应邀在计算机与信息工程学院217报告厅分别作了题为《面向多模态多标记数据分类学习的粒计算方法》和《基于不完备信息的多尺度数据分析》的学术报告。学院200余名师生聆听了报告。林耀进首先介绍了多标记数据呈现出多标记性与高维性等特点,使得传统的数据分析理论、方法与技术面临有效性、准确性与可计算性等严峻挑战,多模态数据的多粒度分类学习是利用数据的多模态性,即基于模态之间的一致性和互补性提高数据分析的有效性是主要挑战,以及定义有识别能力的模态本身也是多模态知识发现的一项任务。他详细介绍了多标记决策空间的多粒度分类学习中的基于样本粒化的多标记特征选择、多标记特征选择的核模糊粗糙集方法、流特征下的多标记特征选择方法以及多粒化数据在线特征选择方法。折延宏首先介绍了多尺度数据分析的思想,描述了多尺度信息表和最优尺度的概念,讲解了由多尺度信息表出发构造每个属性的粒度树,基于粒度树的思想对多尺度数据分析中的尺度选择进行了系统的研究。他针对所有的对象都具有相同的最优尺度、不同的属性具有不同的最优尺度、不同的对象具有不同的最优尺度等情况,详细讲述了
2019-11-19