付岩先进人机通信技术联合实验室

1、为了促进智能信息处理领域同行间的交流，陆汝钤院士发起组织了“智能信息处理系列研讨会”。第一届（2002年）和第二届（2004年）： 复旦大学智能信息处理开放实验室第三届（2005年11月5、6日）： 南京大学软件新技术国家重点实验室顾问： 陆汝钤院士 中国科学院数学与系统科学研究院程序委员会主席：王 珏 中国科学院自动化所周志华 南京大学报告人第三届第二届第一届备注王珏自动化所机器学习的难题与分析维数灾难多种表现形式线性 vs. 非线性整体 vs. 局部Duda条件 vs. Vapnik条件（模型形式）机器学习与数据分析边缘区域的结构综述哲学张铃安徽大学人工智能研究所商空间框架下的机器学习粒度

2、：1，获取不同类型的知识 2，降低解决问题的复杂度粒度计算三大理论：1，模糊集逻辑（Zadeh）-词计算2，粗糙集理论（Pawlak）-智能就是分类能力3，商空间理论(Zhang)-处理不同粒度世界的能力支持向量机的若干问题新理论周志华南京大学软件新技术国家重点实验室半监督学习研究方向：集群学习，多示例，半监督学习半监督学习：1， Generative (EM)2， Transductive inference (Joachims)3， Graph-cut-based (Minicuts: Blum and Chawla, ICML01)4， Co-training (Tri-training

3、: Z.H.Zhou and M.Li, TKDE05)Tri-training：-Determining classification confidence with a third classifier.Open problems (theory):1， Number of labeled data2， Reason for degradation caused by unlabeled data多示例学习Neural Network Ensemble综述方法改进于剑北京交通大学计算机与信息学院聚类算法的先验概率假设及其应用Clustering model vs. Data distrib

4、utionObjective function vs. LikelihoodJian Yu, “General c-means clustering model ”, PAMI, 27(8), 1197-1211, 2005No free lunch theoremWOLPERT et al., “No Free Lunch Theorems for Search”, 1995.".all algorithms that search for an extremum of a cost function perform exactly the same, when averaged

5、over all possible cost functions. In particular, if algorithm A outperforms algorithm B on some cost functions, then loosely speaking there must exist exactly as many other functions where B outperforms A."WOLPERT et al., “No Free Lunch Theorems for Optimization”, 1997.".for any algorithm,

6、 any elevated performance over one class of problems is exactly paid for in performance over another class."WOLPERT, “Any Two Learning Algorithms Are (Almost) Exactly Identical”, 2001WOLPERT, “The Supervised Learning No-Free-Lunch Theorems”, 2001./ 奥卡姆剃刀准则与聚类模型模糊C均值聚类

7、模型研究理论解释陶卿中国科学院自动化研究所求解SVM的几何方法研究SVM的大规模QP问题求解L1-SVM vs. L2-SVM代数解法 vs. 几何解法L1-SVM: 常用, 效果好L2-SVM: 较好几何解释, 受野点影响大L1-SVM可以几何解释但不能几何求解提出了一种L1-SVM的几何解法简单，直观，优美最新进展：CVM (JMLR 6 (2005) 363392)基于快速MEB近似算法(Badoiu, Clarkson, 2002)Core setsL2-SVM快速求解未来研究:CVM的几何解释修改CVM以求解L1-SVMCore sets思想用于其他方法统计学习理论及其在非监督学习问

8、题中的应用张军平复旦大学智能信息处理实验室监督流形学习选择正确的坐标系Intrinsic dimensionLLE, ISOMAP Can be used for feature selection流形学习若干问题研究主曲线研究综述综述李航微软亚洲研究院Machine Learning Approaches to Information RetrievalRanking learningA Practitioner's Survey on Text MiningStatistical Learning Methods inNatural Language Processing陈松灿南京

9、航空航天大学计算机科学与工程系Locality preserving canonical correlation analysis (CCA) with applications典型相关分析基于线性代数的特征抽取及其识别应用封举富北京大学视觉与听觉信息处理国家重点实验室图像空间中的距离研究“On the Euclidean Distance of Images”. PAMI, 27(8), 1334-1339, August 2005.生物特征识别中的模式识别问题韩素青中国科学院自动化研究所关系学习符号机器学习研究高阳南京大学软件新技术国家重点实验室学习分类器研究强化学习技术及其应用研究杨强香

10、港科技大学机器学习在普适计算中的应用Ning ZhongMaebashi Institute of Technology, JapanPeculiarity oriented data miningKai Ming TingMonash University, AustraliaAnt-based Algorithms perform better in the Absence of Ants姚新英国伯明翰大学计算机科学系The State-of-the-Art of Evolutionary Computation姚一豫加拿大雷吉纳大学计算机科学系A conceptual framework

11、 for data mining赵岷NEC中国研究院Reduct与例外分析朱朝晖南京航空大学计算机科学与工程系信念变化与非单调逻辑李子青中国科学院自动化研究所Statistical Learning of Subspaces in Pattern Recognition 陈雁秋复旦大学智能信息处理开放实验室An ALife Model for Image Analysis吴高巍中国科学院计算技术研究所半监督学习及其在生物信息学中的应用薛向阳&路红复旦大学智能信息处理开放实验室视频内容的结构化分析Dept.of computer scienceFudan University, Shanghai,ChinaMachine Learning