近日，由王建軍教授帶領(lǐng)的機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘團(tuán)隊在復(fù)雜高維數(shù)據(jù)稀疏建模領(lǐng)域再次取得一系列重要研究成果。該團(tuán)隊首次將低水平量化測量運(yùn)用至張量魯棒去噪問題中，建立了嚴(yán)謹(jǐn)?shù)睦碚摶謴?fù)保證；進(jìn)一步，該團(tuán)隊建立了一個廣義高階t-SVD代數(shù)框架，設(shè)計了一套計算工具包，而后將其應(yīng)用到諸如圖像和視頻修補(bǔ)等大規(guī)模多維視覺場景中；基于張量數(shù)據(jù)的低秩和局部平滑先驗(yàn)，該團(tuán)隊研究并設(shè)計出了適宜極低采樣率下視覺張量數(shù)據(jù)恢復(fù)的新算法。此外，該團(tuán)隊繼續(xù)充分挖掘張量列/行子空間信息的潛在表達(dá)能力，創(chuàng)新性地提出了恢復(fù)大規(guī)模張量數(shù)據(jù)的有效方法；同時，將多層列/行子空間信息考慮至張量恢復(fù)模型中，為后續(xù)探討靈活有效運(yùn)用張量列/行子空間信息提供了新思路。以上成果近日相繼發(fā)表或接收于《IEEE Trans. Inf. Theory》（中國計算機(jī)學(xué)會A類期刊，中科院SCI期刊分區(qū)Top期刊）、 《IEEE Trans. Image Process.》（國際圖像處理領(lǐng)域Top、中國計算機(jī)學(xué)會A 類刊物）、《Proc. AAAI Conf. Artif. Intell.》（中國計算機(jī)學(xué)會 A 類會議）、《Knowl.-Based Syst.》（中科院Top期刊）和《Pattern Recogn.》（中科院Top期刊）。

據(jù)悉，該團(tuán)隊長期聚焦于數(shù)學(xué)、統(tǒng)計學(xué)、計算機(jī)科學(xué)、信息處理和人工智能等交叉領(lǐng)域的理論和應(yīng)用研究工作，致力于發(fā)展深刻的數(shù)學(xué)理論與有效的智能計算技術(shù)。近年來緊密圍繞復(fù)雜高維數(shù)據(jù)稀疏建模這一研究領(lǐng)域，在相關(guān)數(shù)學(xué)基礎(chǔ)理論、圖像處理以及人工智能等方向上取得了許多突破性的工作。

另悉，該團(tuán)隊還在國際人工智能Top、中國計算機(jī)學(xué)會A 類刊物IEEE Trans. Pattern Anal. Mach. Intell.(5)、IEEE Trans. Inf. Theory、IEEE Trans. Image Process.，IEEE Trans. Neural Netw. Learn. Syst.（2）,中國計算機(jī)學(xué)會A 類會議Proc. AAAI Conf. Artif. Intell.，中國數(shù)學(xué)會T1類刊物、國際應(yīng)用數(shù)學(xué)Top刊物Appl. Comput. Harmon. Anal.(2)和Inverse Probl.，以及一些國內(nèi)高水平刊物，如《中國科學(xué)》、《數(shù)學(xué)學(xué)報》、《電子學(xué)報》、《計算機(jī)學(xué)報》等上發(fā)表多篇重要原創(chuàng)性學(xué)術(shù)成果。目前，王建軍教授正帶領(lǐng)團(tuán)隊繼續(xù)深度挖掘不同數(shù)據(jù)潛在的結(jié)構(gòu)化特征，進(jìn)一步攻克當(dāng)今人工智能、大數(shù)據(jù)與深度學(xué)習(xí)等領(lǐng)域中亟待解決的可解釋性理論研究問題，構(gòu)建和設(shè)計有效、可解釋、結(jié)合實(shí)際應(yīng)用問題的模型和算法。這些成果有望在雷達(dá)圖像處理、醫(yī)學(xué)圖像處理、相機(jī)成像系統(tǒng)等大數(shù)據(jù)與人工智能相關(guān)領(lǐng)域得到進(jìn)一步應(yīng)用。