近日，国际信息与软件学院几何计算与智能媒体技术研究所一项成果Novelty Detection and Online Learning for Chunk Data Streams被人工智能领域最顶级国际期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE TPAMI）接收。TPAMI期刊的2019年度影响因子为17.730，系人工智能领域最有影响力的国际学术期刊。该期刊对论文的原创性有很高的要求，并以严苛的审稿过程、深刻的理论分析著称，每年收录的论文数量有限。该工作由王祎、丁祎(研究生)、何祥健（澳大利亚悉尼科技大学）、樊鑫（通讯作者）、罗钟铉、罗杰波（美国罗切斯特大学）等人合作完成。

该文通过求解核空间中的线性系统，从已知类中心构造联合再生核Hilbert空间，从而实现依据单个决策模型对未标注数据进行多分类和检测的目的。论文创新性地求取投影矩阵，将样本投影到判别特征空间只需要计算两个小尺寸核矩阵的乘积，而不需要诸如QR分解或奇异值分解之类的传统耗时因子分解。此外，新类的出现可以视为向现有特征空间添加新的正交基，使得更新方案快速且稳定。此外，通过使用原始数据的微簇中心作为输入，算法在异常检测方面具有出色的性能，通过使用原始数据的类中心作为输入，算法能够进行在在线学习时具有较高的更新效率。对现实真实数据集的理论分析和实验验证都表明，该论文所提出的算法在学习块数据流时，其计算成本较传统算法显著降低，并且具有与现有算法相当或更高的精度。

                             图1 算法框架对于三种不同类型输入样本所学习的特征空间

相关介绍：

几何计算与智能媒体技术研究团队依托于辽宁省泛在网络与服务软件重点实验室。研究课题包括机器学习、深度学习、计算机视觉、多媒体技术、优化方法等当前最前沿的领域。近年来在IEEE TPAMI、TIP、TNNLS、TMM、NeurIPS、IJCAI、AAAI、CVPR、ECCV、ACM MM等人工智能、多媒体技术等多方领域的重要期刊及会议上发表论文达100余篇。近一年来针对可学习优化的理论及应用研究已发表顶级会议和期刊（包括NeurIPS, AAAI, IJCAI, ACM MM, TIP, TNNLS等）论文30余篇。