多标记学习的粒计算不确定性度量及其特征选择
报 告 人：孙林 教授
报告时间：2025年11月28日上午9:00
报告地点：莲花街校区6号楼6369会议室
报告人简介：
孙林，博士，博士生导师、博士后合作导师，天津科技大学特聘教授，天津市科技专家、河南省科技创新杰出青年、河南省高层次人才、河南省教育厅学术技术带头人、河南省高等学校青年骨干教师，2021年—2025年连续入选全球前2%顶尖科学家榜单。现为中国人工智能学会粒计算与知识发现专业委员会常务委员，知识工程与分布智能、人工智能基础等专业委员会委员；担任IEEE T-PAMI、T-NNLS、T-FS、T-IP、T-KDE、T-SMCA、T-CYB、T-II等国际重要科技期刊审稿专家。主要研究方向：粒计算、不确定性人工智能、大数据挖掘技术、图机器学习等。近年来在“IEEE Transactions on Fuzzy Systems、Information Fusion、Pattern Recognition、Engineering Applications of Artificial Intelligence、Knowledge-Based Systems、IEEE Transactions on Emerging Topics in Computational Intelligence、软件学报”等重要科技期刊上发表论文70余篇，包括ESI高被引9篇、Top期刊30篇，中科院SCI一区26篇；授权发明专利30余件；在“科学出版社”出版学术专著4部；主持国家自然科学基金面上项目3项、国家自然科学基金青年基金项目、中国博士后科学基金、河南省科技创新人才计划、河南省重点科技攻关计划、天津市自然科学基金以及企业横向等项目20余项。荣获河南省自然科学学术奖一等奖5项、省级教学成果奖一等奖3项；2020年—2025年连续荣获“河南省优秀硕士学位论文指导教师”。担任全国教材建设奖、河南省精品在线开放课程等评审专家，国家自然科学基金项目以及河南、山东、河北、陕西、浙江、江西等省科学技术奖、省自然科学基金、省科技攻关计划等评审专家。
报告内容简介：
从粒计算的角度来认识不确定性，是近年来不确定性人工智能备受关注的研究方向。如何针对复杂的多标记数据进行有效的不确定性度量及其分类算法研究，以提升多标记分类模型的性能，进而更好地支持决策是多标记学习中亟待解决的关键技术问题。由此，针对多标记学习中的高维数据分类问题，扩展邻域粗糙集、模糊粗糙集等理论，从邻域粒化的思想出发，研究了多标记邻域决策系统中的不确定性度量方法，融合机器学习模型，针对完备的、不完备的和带有缺失标记的多标记数据开展了多标记分类的理论、算法及其应用研究。
欢迎广大师生参加！
