局部信息挖掘与融合的度量学习方法研究
报 告 人：李海洋
报告时间：2025年11月11日 10：30
报告地点： 莲花街校区惟德楼315会议室
报告人简介：
李海洋，博士，教授，博士生导师。主要从事稀疏信息处理及其在统计方法、机器学习以及碰撞检测等方面的应用研究。2008年博士毕业于陕西师范大学数学专业，2010年—2014年在西安交通大学从事博士后研究工作，2013年破格晋升为教授，2017年入选陕西省中青年科技创新领军人才。近年来，在国内外学术期刊发表论文40余篇，其中被SCI收录20余篇；主持国家自然科学基金3项，省部级项目2项；获陕西省科学技术奖三等奖1项（第一完成人）。
报告内容简介：
度量学习是机器学习理论体系中的重要分支，旨在通过数据驱动方式自适应地学习判别性的相似性或距离函数。尽管该领域取得了显著进展，仍面临对监督信息依赖强、易过拟合、样本元组挖掘困难及可扩展性不足等问题。针对这些挑战，本报告提出四项研究工作：（1）样本扰动优化与监督信息自适应模型，引入扰动与置信加权机制以缓解监督依赖并提升困难样本分类性能；（2）融合局部度量的多度量学习模型，在全局度量基础上构建并融合局部度量，实现拟合与泛化的平衡；（3）基于聚类约束的动态样本元组构建模型，建立聚类、样本构建与度量优化协同的闭环框架，减少三元组数量并提高分类精度；（4）联合降维与多度量学习模型，在低维空间联合优化多核度量与局部结构，以增强模型的鲁棒性与可扩展性。研究结果为度量学习的理论发展与应用拓展提供了新思路。
欢迎广大师生参加！
国产av
2025年11月10日
教务处
最新更新
