机器学习组

分类与集成学习

概要

    本课题组主要针对不平衡数据分类、多类别和多标记分类、集成学习投票机制、大规模数据分类进行研究,并努力将研究成果应用于实际科学问题,包括生物信息学、图片场景分类、论坛可信帖子与用户的分类等。

论文

  • 邹权, 郭茂祖, 刘扬, 王峻. 类别不平衡的分类方法及在生物信息学中的应用. 计算机研究与发展. 2010,47(8):1407-1414 (EI: 20103713231951)该论文获第三届中国数据挖掘会议(CCDM2009)大会优秀学生论文
  • 林舒杨,李翠华,江弋,林琛,邹权*. 不平衡数据的降采样方法研究. 计算机研究与发展. 2011, 48(Suppl.):47-53 (*通讯作者)
  • 邱诚,倪子伟,陈珂,苏旋,邹权*. 基于聚类方法的基分类器选择策略研究. 计算机研究与发展. 已录用. (*通讯作者) Software
  • 邱诚,王大海,任伟家,邹权*.基于集成学习的音乐识别方法研究. 计算机科学. 已录用

软件

LibD3C 基于集成投票的分类器
UNS 对大规模不平衡数据进行二类分类

成员

邹权(导师)

邱诚(组长)

郭丽娟

陈  垚

矩阵分解与推荐系统

概述

随着电子商务的发展,推荐系统成为机器学习领域的研究热点与难点。其主要面对高维稀疏且不完善的用户商品打分矩阵。本课题组试图用并行计算和新的计分模型来完善目前已有的推荐策略。

论文

Chen Lin, Runquan Xie, Lei Li, Zhenhua Huang, Tao Li. PRemiSE: Personalized News Recommendation via Implicit Social Experts. Proceedings of the 21st ACM Conference on Information and Knowledge Management (CIKM) 2012 (CCF B类会议,acceptance rate: 14.3%). To appear. PPT

成员

林  琛(导师)

李  涛(合作导师,厦门大学讲座教授、FIU副教授)

陈文强

孙远帅

谢润泉

 概率图模型

概述

概率图模型是一类用图形模式表达基于概率相关关系的模型的总称。目前多应用于多媒体计算和Web网络分析中。基本的概率图模型包括贝叶斯网络、马尔可夫网络和隐马尔可夫网络。

论文

  • Chen Lin, J.M. Yang, R. Cai, X.J. Wang, and W. Wang. Simultaneously modeling semantics and structure of threaded discussions: a sparse coding approach and its applications. In Proceedings of the 32nd international ACM SIGIR conference on Research and development in information retrieval, pages 131–138. ACM, 2009. (EI:20095312583199)
  • Chen Lin, J.M. Yang, R. Cai, X.J. Wang, W. Wang, and L. Zhang. Modeling semantics and structure of discussion threads. In Proceedings of the 18th international conference on World Wide Web, pages 1103–1104. ACM, 2009

项目

  • Web社会网络用户与内容建模研究 (国家自然科学基金,61102136)
  • 基于稀疏编码的Web社会网络抽取 (福建省自然科学基金,2011J05158)

成员

林  琛(导师)

张振杰(合作导师,Research Scientist at ADSC

李旭斌

唐振坤

  1. 61234

  1. 没有通告