3749
聂飞平，1977年出生于江西吉安市新干县，目前在西北工业大学担任教授、博士生导师。2009年毕业于清华大学自动化系并获优秀博士论文一等奖，主要研究兴趣为模式识别与机器学习中的理论和方法设计，并将所设计的方法成功应用于图像分割与标注、多媒体信息理解与检索、生物信息学等多个领域的实际问题中。
专家简介
聂飞平，1977年出生于江西吉安市新干县，目前在西北工业大学担任教授、博士生导师。2009年毕业于清华大学自动化系并获优秀博士论文一等奖，主要研究兴趣为模式识别与机器学习中的理论和方法设计，并将所设计的方法成功应用于图像分割与标注、多媒体信息理解与检索、生物信息学等多个领域的实际问题中。已在PAMI、IJCV、Bioinformatics、ICML、NIPS、SIGKDD等国际顶级期刊会议上发表论文200余篇，其中在IEEE/ACM Transactions系列汇刊上发表论文50余篇，在CCF A类期刊会议上发表论文130余篇。特别是在人工智能领域最好的学术会议IJCAI和AAAI，以及在机器学习领域最好的学术会议ICML和NIPS上发表论文超过80篇。据Google Scholar统计，论文总引用为8000余次，H指数为48。常年担任相关领域顶级期刊和会议的审稿专家或程序委员会委员，并同时担任IEEE Transactions on Neural Networks and Learning Systems、Information Science等多个国际一流SCI期刊的编委。2017年，获得“中国智能科学技术最高奖”——吴文俊人工智能自然科学奖二等奖。
近二十年来，长期在维数约简、稀疏学习、数据聚类等机器学习基本问题上展开了系统和深入的研究。最近，研究工作主要聚焦在大规模机器学习上，包括大规模图学习、大规模无监督与半监督特征学习、大规模非线性分类器等。致力于提出新颖有效的方法来更好地解决机器学习中的三大基本问题：聚类，分类，回归。
项目简介
作为一种处理高维数据(图像视频数据，生物信息学数据，网页文本数据，脑机交互数据等)的有效工具，子空间方法在许多方面都得到了广泛的应用，如信号分析、模式分类、聚类等。在许多应用问题中，子空间方法是其中最重要的方法之一。例如在人脸识别中，几个经典的识别算法几乎都是基于子空间方法提出来的。由于子空间学习在理论和应用上的重要性，一直以来都是机器学习领域中的一个研究热点。
在二十世纪九十年代以来，有关核子空间方法的研究就非常热。核方法是一种很强的学习机器，能够将任何分布的训练数据完全分开，但并不能保证在未知的测试数据上有相同的效果。为了提高学习机器的泛化能力，可以通过降低函数的复杂度和增加一个正则项等方法来解决，但这又带来了如何调节参数等新的问题。子空间方法的概率解释以及子空间的内在联系都是子空间方法在理论研究方面的一个重要组成部分。
本项目针对上述提到的子空间学习相关的一些关键问题，展开了深入研究，主要内容如下：
1、从一个新视角出发引出非监督学习的一个统一框架，并在此框架下提出了局部样条嵌入算法。另外，给出了半监督学习一个一般性学习框架，并从三个不同的角度进行了解释，提供了良好的理论基础。
2、通过线性约束和线性回归这两种线性化方法，分别将非监督学习和半监督学习进行线性化，从而导出相应的子空间学习框架。进一步，提出了一种更加灵活的线性化方法，不但将前两种形式上不相关的线性化方法统一起来，而且新方法在许多实际应用中表现出更优的性能。
3、对子空间方法中常涉及到的迹比值优化问题提出了一种快速的迭代算法，并从理论上证明了算法收敛到全局最优解，且收敛率是二次的。应用这种快速的优化算法，分别提出了一种基于迹比值的特征选择方法和一种基于迹比值的子空间降维方法。
4、针对张量子空间方法中维数确定这个实际问题，提出了一种可以自动确定最优维数的局部张量鉴别分析算法。针对传统的核化方法需要将解转换成内积形式这个问题，提出了一种更加方便的线性方法核化的统一框架，并基于这个框架提出了一种新的核化方法。
总体来说，本项目围绕子空间学习从高层的框架构建问题，到基本的理论，方法和应用中的一些关键科学问题展开了一系列深入的研究，构成了对子空间学习的一个完整的研究体系。完成人8篇代表性论文Google Scholar总他引1046次，SCI正面他引388次(单篇最高他引96次)，2篇入选ESI高被引用论文，1名美国院士，13名IEEE/Fellow给予高度评价。
实验室简介
光学影像分析与学习中心隶属于西北工业大学人才特区，主要从事数据分析与挖掘、视觉信息智能处理和多媒体应用与服务等方向的研究，这些研究内容是当前大数据分析、人工智能等热点问题的核心技术，具有非常重要的研究意义和应用价值。
中心具有良好的科研条件及科研氛围，配备有专门的服务器机房，拥有强大的计算能力和数据存储能力。先后承担并完成多项国家重点基础研究发展计划(“973”)项目、国家重点研发计划、国家自然科学基金重点项目、国家自然科学基金重大研究计划、陕西省重点科技创新团队项目等，并与多个国内知名企业、国内外著名研究机构保持良好的合作交流。
