报告题目1：面向混合数据的动态直觉K-原型聚类算法

报告人：米据生教授，河北师范大学

报告时间：2025年10月18日（周六）8:30-9:30

报告地点：20-306

报告摘要：本报告介绍一种更稳健的混合数据聚类方法——动态直觉K -原型算法(DIKP)。该算法采用直觉分布质心来刻画分类属性值的分布，并将模糊集理论与聚类框架相结合，设计一种 “分裂-合并”动态优化机制：在分裂过程中，通过数值半径和分类直觉模糊熵来筛选候选分裂簇，定义一种结合数值密度和分类重要性的复合密度来选择分裂中心；在合并过程中，合并值融合了数值欧几里得距离和分类直觉模糊相似度，融合合并成本最低的簇以消除因过分割产生的冗余簇。通过UCI数据库中的十个数据集进行实验评估，结果表明：与七种传统聚类算法相比，DIKP表现出更优的性能，从而验证了所提方法的有效性。

报告人简介：米据生，河北师范大学二级教授，博士生导师，河北省教学名师。2003年获西安交通大学理学博士学位。2006年3月在香港中文大学完成博士后研究工作。现任国际粗糙集学会常务委员，中国人工智能学会粒计算与知识发现专业委员会副主任，中国系统工程学会模糊数学与模糊系统专委会常务委员。发表学术论文200余篇，其中100余篇被SCI收录，5篇论文为ESI高被引论文，1篇论文荣获2007年度首届“中国百篇最具影响的优秀国内学术论文奖”。合作出版专著2部。主持5项国家自然科学基金项目，1项教育部博士点基金。获得省级自然科学奖4项。多次入选爱斯维尔发布的中国高被引学者榜单，2023-2025年入选斯坦福大学发布的全球前2%顶尖科学家榜单。

报告题目2：基于多标记数据集的算子值核函数的构造

报告人：陈德刚教授，华北电力大学

报告时间：2025年10月18日（周六）9:30-10:30

报告地点：20-306

报告摘要：算子值核是取值为希尔伯特空间上算子的二元函数，在机器学习领域中旨在更好地描述多任务学习中不同任务之间的关联性。多标记学习是一种特殊的多任务学习，我们基于两种核对齐方法从多标记数据集中学习算子值核并构建多标记学习的预测模型。首先，基于希尔伯特-施密特独立准则（HSIC）计算全局特征重要度分布，利用此分布构造了可分离核。然后，基于Hilbert-Schmidt独立准则（HSIC）和主成分分析法（PCA）计算样例级特征重要度分布，利用此分布构造了刻画样例间标记相关性的可变换核。最后，利用核对齐方法和主成分分析法（PCA）计算样例级特征重要度分布，利用此分布构造了刻画样例间标记相关性的交互信息可变换算子值核。

报告人简介：陈德刚教授2000年于哈尔滨工业大学数学系获理学博士学位，2000-2002和2002-2004分别于西安交通大学理学院和清华大学CIMS研究中心从事博士后研究工作，目前为华北电力大学数理学院教授，控制与计算机工程学院博士生导师，主要从事与机器学习相关的理论研究工作。主持国家自然科学基金项目多项，在《IEEE Transactions on Pattern Analysis and Machine Intelligence》、《IEEE Transactions on Fuzzy Systems》等国内外主流期刊发表学术论文100多篇，被引用近万次，多次获省部级科研成果奖。2023-2025年入选斯坦福大学发布的全球前2%顶尖科学家榜单。

报告题目3：多模态学习的张量建模方法

报告人：邓廷权教授，哈尔滨工程大学

报告时间：2025年10月18日（周六）10:30-11:30

报告地点：20-306

报告摘要：多模态数据是一类复杂且重要的数据，在自动驾驶、医学诊断、多媒体技术等领域有着广泛的应用。本报告简要探讨多模态数据学习的张量建模方法，重点介绍几种基于张量分析的多视图聚类方法和多模态多标签数据分类方法。

报告人简介：邓廷权，哈尔滨工程大学教授、博士生导师。主要研究方向：数据科学中的不确定性建模理论与方法、粒计算与知识发现、数据挖掘与机器学习、模式识别与人工智能；主持和参与十余项国家级、省部级和横向科研课题；发表高水平学术研究论文140余篇，研究成果被国内外专家学者广泛应用。

报告题目4：模糊粗糙学习与多标签学习

报告人：王长忠教授，渤海大学

报告时间：2025年10月18日（周六）11:30-12:30

报告地点：20-306

报告摘要：本报告针对这些问题进行探讨：（1）大部分的模糊粗糙集模型仍然是经验统计模型，没有自适应学习模型中参数的能力，很难适应复杂数据的挑战；（2）传统模型在处理样本相似度时，未能充分考虑样本的类别和分布信息，这使得模型容易受到噪声样本的干扰，进而降低其性能表现；（3）在多标签学习领域中，随着数据量的不断增加和数据类型的愈发复杂，如何解决线性假设与数据的非线性结构之间的矛盾也是一个值得研究的问题。

报告人简介：王长忠，渤海大学教授，数学学科带头人，博士生导师，辽宁省特聘教授，辽宁省兴辽英才高水平创新团队负责人。主要研究方向为：机器学习、不确定性推理、深度学习、大数据分析方法。主持完成国家自然科学基金面上项目4项，辽宁省特聘教授支持计划项目、兴辽英才高水平创新团队项目等省部级项目十余项。获批国家发明专利5项，出版专著一部。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上发表论文100多篇。其中，被SCI检索的论文70多篇，其中ESI高被引论文10多篇。2022-2025年连续入选斯坦福大学发布的全球前2%顶尖科学家榜单。担任《计算机与自主智能研究进展》主编，《Journal of Intelligent & Fuzzy Systems》副主编。

报告题目5：大数据概念认知学习与智能计算

报告人：徐伟华教授，西南大学

报告时间：2025年10月18日（周六）13:30-14:30

报告地点：20-306

报告摘要：在大数据时代，高维、异构、高噪声成为数据的新常态，概念认知学习已经成为智能计算技术至关重要的一部分。高效的智能计算方法不仅提高了数据处理的效率，还增强了认知学习的准确性。本报告将从认知科学与哲学本源出发，通过“记忆性—模糊性—动态性—多注意力—双向交互”五大认知维度，系统介绍概念认知学习新机制和最新成果，实现对象内涵与外延的完备、可泛化学习，突破传统模型对不确定性概念刻画不足的瓶颈，为智能计算等相关领域的研究和实践提供启示。

报告人简介：徐伟华，西南大学教授，博士生导师，重庆市学术技术带头人、重庆市中青年骨干教师、福建省闽江学者讲座教授，国际粗糙集学会高级会员、中国人工智能学会高级会员、中国人工智能学会知识工程与分布智能专委会副主任、中国人工智能学会粒计算与知识发现专委会秘书长、中国计算机学会人工智能与模式识别专业委员会执行委员、国际期刊IJMLC副主编、ASOC编委。已在IEEE TCYB、IEEE TFS、IEEE TNNLS、IEEE TETCI、IEEE TBD、IEEE TAI等国内外主流期刊发表论文260余篇，SCI检索160余篇，Google Scholar引用7100余次，H指数46，11篇论文入选ESI高被引论文，在科学出版社出版学术著作5部；主持了国家自然科学基金4项、重庆市自然科学基金重点项目等省部级科技项目20余项，获省部级自然科学奖2项，2022-2025年连续入选全球前2%顶尖科学家榜单及终身科学影响力排行榜.

报告题目6：面向层次分类的概念泛化研究

报告人：李金海教授，昆明理工大学

报告时间：2025年10月18日（周六）14:30-15:30

报告地点：20-306

报告摘要：概念认知学习（Concept-Cognitive Learning，CCL）是从认知的角度学习概念子空间，以模拟人脑学习概念知识和认知规律，主要研究包括生成概念空间、优化概念空间、概念泛化预测与决策等。本报告介绍模糊概念认知学习在层次分类方面的研究动态，如层次分类的动态特征选择以及节点分类的停机机制等，并对该领域未来研究进行展望。

报告人简介：李金海，教授，博士生导师，云南省中青年学术和技术带头人。兼任中国人工智能学会粒计算与知识发现专委会常务委员、知识工程与分布智能专委会常务委员，中国系统工程学会模糊数学与模糊系统专委会委员，云南省数学会常务理事、工业与应用数学会常务理事，国际期刊International Journal of Approximate Reasoning领域编辑、International Journal of Machine Learning and Cybernetics副编辑。主要研究兴趣为不确定性人工智能、概念认知学习、智能系统分析与集成。主持国家自然科学基金6项，在国际期刊IEEE Transactions on Knowledge and Data Engineering、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics、IEEE Transactions on Fuzzy Systems、IEEE Transactions on Multimedia、IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Systems Man Cybernetics-Systems、IEEE Transactions on Big Data、IEEE Transactions on Emerging Topics in Computational Intelligence、Pattern Recognition，以及国内一级学报《计算机学报》、《软件学报》、《电子学报》等发表论文50余篇。获云南省自然科学奖二等奖（排名第一）、陕西省优秀博士学位论文。近年来，入选全球前2%顶尖科学家榜单、中国知网Top1%高被引学者。

报告题目7：Multi-Label Feature Selection by Integrating Feature-Label Dependency and Feature Self-Representation

报告人：贾庆伟讲师，哈尔滨工程大学

报告时间：2025年10月18日（周六）15:30-16:30

报告地点：20-306

报告摘要：Multi-label feature selection is a key technique for handling high-dimensional multi-label data. Fuzzy rough set theory, which provides a framework for modeling data uncertainty and guiding feature evaluation, has been widely explored in heuristic methods. However, those heuristic algorithms are prone to local optima. Although embedded methods aim to optimize feature weights globally, the feature-label dependency relationships are often overlooked, and they struggle to identify and remove nonessential features. To tackle these limitations, a joint feature-label dependency and feature self-representation learning method is proposed in this study. The distinctive strengths of fuzzy rough sets in modeling complex data relationships are integrated into an embedded framework. Firstly, we design new uncertainty metrics to characterize the dependencies between features and each label. Secondly, building on the idea that nonessential features are frequently strongly associated with key features, we integrate feature self-representation learning to detect those redundancies. Thirdly, by retaining feature-label dependencies and the contribution level of features in label prediction, we propose a novel regularization method that reduces the weights of redundant features to zero. Finally, a uniform optimization strategy is provided for the proposed embedded model.

报告人简介：贾庆伟，博士，哈尔滨工程大学讲师，博士后，入选首届中国科协青年人才托举工程博士生专项计划，从事模式识别、粒计算、知识发现及智能信息处理等领域研究。参加了两项国家自然科学基金面上项目，获得一项发明专利授权，以第一作者在《Information Fusion》、《Pattern Recognition》、《Information Sciences》、《Applied Soft Computing》、《Applied Intelligence》等国际期刊上发表了多篇学术论文。此外，他还担任TKDE, TMM、Information Fusion、Information Sciences、KBS等期刊的审稿人。