应6163银河线路检测中心吴勃英、张达治老师邀请，上海大学数学公司应时辉教授作学术报告，欢迎感兴趣的师生参加！

【报告题目】：基于度量和迁移学习的小样本学习方法初探

【报告时间】：2020年6月1日，上午9：00

【报告平台】：腾讯会议

点击链接直接加入会议：https://meeting.tencent.com/s/1F5FW75X0xT8

【会议】：353 100 137

【报告摘要】：医学影像智能分析的本质是建立医学影像或其特征与疾病之间的映射关系。由于医学影像多具有多来源、维度高、样本少、无结构等特性，因此，医学影像智能分析多为小样本学习/分类问题。本报告将从数据分布的最优描述和特征迁移两个角度对小样本学习/分类问题进行初探。具体地，首先给出基于正定群表征的线性度量学习保结构算法。在此基础上，结合子空间方法，建立更为鲁棒的线性度量学习方法。进一步，通过核方法和局部线性化与单位分解技术，从两个方面建立非线性度量学习的模型与内蕴算法。从而实现数据的最优分布描述。其次，基于数据的边际分布和条件分布对齐和数据的流形结构，获得特征迁移学习方法。进一步，将特征迁移思想引入深度结构，将不同模态或多源数据的特征进行融合，实现多模态医学小样本的精确分类。最后，对基于度量学习和迁移学习方法实现多源小样本数据精确鲁棒的分类进行总结与展望。

【报告人简介】：应时辉，博士、上海大学数学系教授、博士生导师。主要从事医学影像处理与分析、机器学习的数学理论与方法方面研究。2001年和2008年在西安交通大学获得学士和博士学位，2012-2013年在美国北卡罗莱纳大学教堂山分校从事博士后研究。围绕流形上的反问题及其应用，建立基于流形约束优化的统一数学框架，形成配准与标准化问题表征的新理论与新方法。相应成果发表于NeuroImage、IEEE T-NNLS、PR、IEEE JBHI、IJNS等国际期刊和CVPR、IJCAI等国际会议中。研究成果被引千余次。主持国家自然科学基金、上海市科委重点等项目多项。受邀担任多个SCI期刊客座编辑和著名国际会议TPC委员，在多个国内外重要学术会议的邀请和分组报告。