科研学术

　　近日，我校计算机科学与工程学院（网络空间安全学院）李长升研究员在计算机视觉、模式识别领域顶级期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（简称T-PAMI）上发表题为“Dynamic Structure Embedded Online Multiple-Output Regression for Streaming Data”（面向流式数据的动态结构嵌入的在线多输出回归方法）的研究论文。李长升研究员为论文第一作者，电子科技大学计算机科学与工程学院（网络空间安全学院）及大数据研究中心为第一作者单位。

　　在现实许多场景中，数据常常是以流的形式存在的，且输入输出间是多维且相关的（例如，空气质量预测中的PM2.5和二氧化碳）。为了对数据流进行分析，在线多输出回归提供了一种有效的解决方案。李长升研究员与斯坦福大学Fan Wei博士、百度搜索资深研究员董维山博士等人合作，创新性地提出了一种基于动态结构嵌入的在线多输出回归方法。该方法可以同时动态地挖掘回归系数矩阵间的关系以及回归残差之间的关系，有效地提高了模型的精度。在模型优化时，基于矩阵素描技术，提出了一种在线特征值分解的方法，大大提高了模型求解速度。

图1：结构学习的有效性验证

图2：提出方法与经典方法的效果比较

　　《IEEE Transactions on Pattern Analysis and Machine Intelligence》是人工智能、模式识别、图像处理、计算机视觉领域的顶级国际期刊之一，2016-2017年度影响因子为8.329，属于中科院JCR TOP期刊，是计算机科学与人工智能领域的5个一区刊物之一。该杂志覆盖所有计算机视觉、图像理解、模式分析与识别等传统领域，以及部分机器智能领域，尤其强调模式分析的机器学习的前沿成果。

　　李长升博士毕业于中科院自动化所模式识别与智能系统专业，2017年9月加盟电子科技大学计算机科学与工程学院大数据研究中心，主要研究方向包括机器学习、深度学习、多任务学习、特征学习等。近五年以第一作者或者通讯作者发表CCF A类论文或者中科院JCR-1区期刊10篇，包括T-PAMI, T-NNLS, T-C, CVPR, IJCAI, AAAI, MM等，授权/申请专利近10项，同时担任十多个顶级期刊或者会议的审稿人或程序委员会委员。他也是SCI期刊IEEE ACCESS的客座编辑。

　　论文链接：

　　http://ieeexplore.ieee.org/document/8260965/?reload=true