学术报告通知:   
时间：5月15日（周五）下午3：30-4：30
腾讯会议线上报告：链接待定
报告人：王海贤 教授
报告题目：统计模式分类中一些算法探讨  
内容简介：复杂、多维信号的特征模式提取与分析是模式识别、人工智能中的重要议题，子空间学习是一种被广泛使用、有效的统计模式分析方法。报告简要回顾一些代表性的子空间学习方法，包括主成分分析、线性判别分析、流形学习以及更一般的图嵌入框架；介绍脑机接口应用中相关的子空间学习技术，包括代表性的共同空间模式方法；探讨科研中如何进行自我启发。
 
报告人简介：美国南加州大学博士后，自2005年在东南大学工作，现为东南大学研究员、博士生导师。获江苏省“青蓝工程”优秀青年骨干教师培养对象、江苏省人工智能学会模式识别专委会委员、教育部“新世纪优秀人才支持计划”、教育部长江学者评审专家、中国自动化学会青年工作委员会委员、国家自然科学基金重大研究计划会评专家、IEEE高级会员。从事统计模式分类、脑机接口的理论和应用研究，承担973项目子课题、国家自然科学基金、江苏省重点研发计划等15项国家、省部级科研项目；在HBM、NueroImage、IEEE会刊等国内外重要期刊、以及CVPR、ICASSP等领域内国际权威会议等上发表学术论文100余篇，提出一系列子空间模式分类、脑电信号处理的理论方法，所提方法曾被作为基准方法进行比较，研究工作在国际上引起广泛关注，并引发一系列后继研究，奥地利科学院院士、德国科学院院士、IEEE Fellow 等一批本领域权威专家均给予研究工作高度评价，相关论文已被国际同行多次正面引用，论文引用者来自美、德、英、法等30多个国家和地区，包括加州大学、明尼苏达大学、华盛顿大学、纽约州立大学、德州大学、剑桥大学、柏林工学院、新加坡国立大学等著名机构，他引论文主要源自IEEE TPAMI、IEEE TBME、IEEE TNSRE、IEEE TIP、PR等国际权威刊物；获授权/受理发明专利十余项；多次与美国南加州大学、新加坡南洋理工大学、英国埃塞科斯大学等机构进行合作研究与访问。