（图文|辛西）5月13日下午4：30，学院“Happy hour”活动2021年第6期交流会在逸夫楼C603会议室举行。交流会由信息学院院长张红雨教授主持，学院王玉龙教授做学术交流汇报，李立、胡学海、牛晓辉、倪福川、周雄辉等老师参加交流，交流会吸引了学院众多研究生、本科生参加。

   王玉龙教授为大家带来一场“原子表示分类：理论、算法及应用”专题汇报，报告主要从“高维数据的低维结构学习”“原子表示分类理论”“原子表示分类算法”“原子表示分类应用”等4方面展开。

   随着信息采集技术迅猛发展，高维数据呈爆发式增长，被广泛应用于科学研究和社会生活的各个领域，如互联网中的高分辨率图像与视频，DNA微阵列基因数据和高光谱卫星遥感数据等等。高维数据由于包含被观察对象丰富的信息因而具有巨大应用价值，但也对现有数据分析和处理技术提出前所未有的挑战。研究表明，通过学习高维数据的低维本质结构可有效抑制“维数灾难”现象，进一步提升算法性能。

   王玉龙教授首先介绍了原子表示分类框架。研究表明利用原子表示分类框架学习高维数据的低维本质结构可有效抑制“维数灾难”现象，并进一步提升模式分类算法的性能。

   虽然高维数据分类有丰富的算法，但大多数相关工作主要关注算法的经验效果和算法性能，缺乏严谨数学理论研究，可解释性不足。所以王玉龙教授介绍了原子表示分类理论，从理论上分析了原子表示分类框架成功分类的理论条件和内在机制，阐明了其分类和识别机理。同时，为提升算法对于真实环境数据噪声的鲁棒性，他介绍了几种原子表示分类算法的改进版本。

   最后，王玉龙教授展示了原子表示分类算法的一些应用如人脸识别、运动分割、高光谱遥感图像分类、多模态生物特征识别等。

   报告结束，王玉龙教授和在场师生就原子表示分类及应用方面进行深入探讨。张红雨老师提出人工智能与生物智能的关系和进化过程，胡学海老师、牛晓辉老师、倪福川老师就该问题进行了讨论。胡学海对原子表示分类框架展现浓厚兴趣，并询问在实际应用中最优原子集的选择问题，王玉龙老师就该问题给出详细答复。有学生咨询王老师关于原子表示分类与统计学习理论中Rademacher的关系，王老师给出详细解释。最后，周雄辉老师仔细询问了原子表示分类方法在多组学分析中的应用问题，王玉龙非常肯定了该想法，并认为机器学习方法在多组学分析中有重要的应用价值和前景。本次学术研讨在轻松愉悦的自由交流环节结束。