報告題目：領域自适應算法的研究進展
報 告 人：楊曉偉 教授 華南理工大學
報告時間：2022-3-30 星期三，19：00-21:00
報告地點：騰訊會議 804-983-767
報告摘要：在機器學習領域，經典機器學習算法的研究工作主要基于數據的獨立同分布假設。作為遷移學習中的一個重要研究方向，領域自适應解決的核心問題是源域和目标域數據的聯合概率分布不匹配問題。根據目标域數據是否存在标注，領域自适應分為無監督領域自适應和半監督領域自适應。本報告将從邊際分布對齊和聯合概率分布對齊的角度出發，詳細介紹淺層領域自适應算法和深層領域自适應算法的最新研究成果。希望本次報告能夠對從事相關領域的本科生、研究生、博士生和研究人員起到一個抛磚引玉的作用。
報告人簡介：楊曉偉，男，博士，教授，博士生導師，華南理工大學軟件學院副院長。分别于1991年、1996年和2000年在吉林大學數學系、數學所和工程力學系獲得理論與應用力學專業學士、計算力學專業碩士和固體力學專業博士學位。研究領域為：機器學習和模式識别。主要學術貢獻包括：（一）在支持向量機領域，提出了基于核模糊C-均值聚類及最遠距離策略的模糊支持向量機分類算法和基于非凸優化的魯棒最小二乘支持向量機算法，首次證明了在高斯核所引導的高維特征空間中，由模糊C-均值聚類算法生成的類中心未必在原始低維特征空間中存在原像，糾正了高維特征空間中樣本點到類中心的距離計算公式；（二）在張量分析領域，首次提出了線性支持高階張量機分類模型，克服了早期支持張量機分類模型沒有閉式解的不足，從理論上說明了标準支持向量機分類模型是該模型的一個特例；（三）在遷移學習領域，首次從統計學的角度出發提出了對齊源域和目标域聯合分布的淺層和深層遷移學習算法，解決了遷移學習的一個本質性問題。相關成果主要發表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics、IEEE Transactions on Evolutionary Computation、IEEE Transactions on Fuzzy Systems、IEEE Transactions on Image Processing、IEEE Transactions on Software Engineering、IEEE Transactions on Medical Imaging、Pattern Recognition、Neurocomputing、計算機學報、計算機研究與發展、ICSE、ICDM、SDM等國内外人工智能和模式識别旗艦雜志和國際學術會議上。2013年，與郝志峰教授合作，在科學出版社出版了專著《支持向量機的算法設計與分析》，該書納入了《信息與計算科學叢書》，得到了國家出版基金的資助。到目前為止，指導學術型碩士和博士80餘人，其中3人獲得國家級青年人才稱号，1人獲得廣東省青年珠江學者稱号，4人獲得廣東省傑青稱号。
