江大新闻网讯 近日，人工智能学院青年教师李松涛博士以第一作者在人工智能顶级期刊《IEEE Transactions on Neural Networks and Learning Systems》（中科院1区 TOP IF=10.4）发表研究论文。我校为第一完成单位。

目前，传统的图正则化非负矩阵分解算法在数据表示方面表现出色，但处理带有噪声的数据时，数据表示可能不准确，导致模型对数据中的异常值过于敏感。针对这一问题，该研究提出了一种新颖的自启动无监督子空间学习方法，能够在不改变原始数据的情况下，通过自启动方式创建不同角度的样本，并基于这些不同角度学习不同的图结构。此外，该研究提出的模型是一个通用的多图融合嵌入框架，它充分融合了鲁棒学习和高性能图拉普拉斯图正则化嵌入方法的优点；框架极具拓展性，可以引入额外的监督知识。此研究成果不仅在理论上提供了一种新的视角来看待非负矩阵分解中的鲁棒性问题，而且在实际应用中也展示了其有效性。

图1. 模型流程

据悉，李松涛博士主要从事可解释性机器学习方法与应用研究。入职以来，他的研究成果相继发表在《Engineering applications of artificial intelligence》（IF=8.0）、《Information processing and management》（IF=8.6）等顶级期刊上。此项研究工作得到国家自然科学基金、校科研启动项目的支持。 (通讯员 高望）

编辑：赵蔚

审核：余岚