报告时间：2020年10月13日（周二）上午11：00-12：00
　　报告形式：腾讯会议（会议号：926 601 322、密码：123456）
　　报告题目：模糊决策多尺度图块的人脸识别协同表示方法
　　报告摘要：小样本的机器学习是人脸识别中最具挑战性的问题之一。人脸识别的多尺度协同表示是基于一个样本集上的多个尺度协同表示。在每个尺度中，训练集和测试集中的所有样本都被分割成相同大小的图块，然后进行协同表示分类。一个样本的所有图块中，属于哪一类的图块数最多，就认为这个样本属于哪一类。然而，在单一尺度下，样本的图块往往属于不同的类别。如果把样本的类别定义为图块数最多的类, 这往往忽略了预测样本属于其他类别的可能性。为此，本文提出了一种基于模糊决策的多尺度图块协同表示方法。在某一尺度下，一个样本分割成的所有图块中，用属于某一类别的图块数占总图块数的比例来表示一个样本属于一个类别的程度。这样在每个尺度下，样本集就会得到一个模糊决策矩阵，模糊决策矩阵的每个元素表示的是相应样本属于每一类别的可能性，解决了分类的绝对性问题，对不同尺度下得到的模糊决策精度施以不同的权重，通过正则化边界分布优化来实现多尺度输出的集成。大量实验表明该方法具有较高的识别精度，优于许多基于图块的人脸识别算法。
　　报告人简介：
　　王长忠，男，教授，渤海大学数据科学研究中心主任，数学学科带头人；哈尔滨工程大学博士生导师，东北大学特聘教授，“兴辽英才计划”科技创新领军人才（辽宁特聘教授）。毕业于哈尔滨工业大学数学系，主要研究方向为：机器学习、不确定性推理、模式识别、大数据分析方法。
先后主持和完成国家自然科学基金面上项目4项(其中一项为国基子项目)、主持和完成辽宁省自然科学重点基金、辽宁省高校优秀人才支持计划等省部级课题十几项。获批专利和计算机著作权5项。出版专著一部。曾多次赴香港理工大学电子计算学系和澳门科技大学计算机系进行访学。
　　先后在《IEEE Transactions on NNLS》、《IEEE Transactions on Fuzzy Systems》、《IEEE Transactions on Cybnetics》、《Information sciences》、 《Fuzzy sets and systems》、《中国科学》等国内外重要学术期刊和国际会议上发表论文60多篇。其中，被SCI检索的论文30多篇，被ESI高被引论文6篇。截止目前，所发表的SCI论文被Web of Science数据库他引1000多次，单篇论文被引次数最高为300次多次。曾获得辽宁省自然科学学术成果论文类一等奖3次和二等奖多次。应邀担任多个国内、国际学术会议程序委员会委员，中国医药数学会辽宁分会常务理事，人工智能基础学协会专委会委员，中国人工智能学会专业委员会委员，中国自动化学会多粒度与多尺度分析专业委员会委员，国家自然科学基金函评专家。
　　欢迎广大师生参加！

理学院
2020年10月12日