原標(biāo)題：白璐博士在國(guó)際頂級(jí)期刊Pattern Recognition發(fā)表研究成果

　　近日，信息學(xué)院計(jì)算機(jī)系白璐博士以第一作者身份在國(guó)際頂級(jí)期刊Pattern Recognition（模式識(shí)別）發(fā)表題為“Depth-based Hypergraph Complexity Traces from Directed Line Graphs”的論文。論文還包括兩位合作作者，分別為西班牙阿利坎特大學(xué)（University of Alicante, Spain）的Francisco Escolano教授，以及白璐博士在英國(guó)約克大學(xué)（University of York, UK）期間的博士導(dǎo)師Edwin R. Hancock教授（世界著名學(xué)者、英國(guó)皇家學(xué)會(huì)Wolfson Research Merit Award獎(jiǎng)持有者）。

　　復(fù)雜網(wǎng)絡(luò)是模式識(shí)別中重要的研究方向，在機(jī)器視覺(jué)、金融分析、數(shù)據(jù)挖掘、社會(huì)科學(xué)、生物、化學(xué)等領(lǐng)域均有著廣泛的研究與應(yīng)用。目前幾乎所有的網(wǎng)絡(luò)復(fù)雜度計(jì)算方法均是基于二階（Two-order）信息的圖網(wǎng)絡(luò)而設(shè)計(jì)的，均不適用于超圖這種可以度量高階信息（High-order Information）的復(fù)雜網(wǎng)絡(luò)。造成上述問(wèn)題的主要原因在于現(xiàn)有二階網(wǎng)絡(luò)僅僅是超圖的一個(gè)特例，二階信息的度量方法直接推廣到高階信息的度量會(huì)不可避免地造成高階信息的丟失。由于超圖具有比二階網(wǎng)絡(luò)更好的描述現(xiàn)實(shí)問(wèn)題能力，如何度量基于超圖網(wǎng)絡(luò)的復(fù)雜信息具有重要的學(xué)術(shù)價(jià)值與意義。本文首次提出了一種基于熱力學(xué)深度信息的超圖復(fù)雜度計(jì)算方法，可計(jì)算超圖基于熵（Entropy）的高維信息流。通過(guò)理論分析，表明現(xiàn)有的基于圖的深度信息以及熵值計(jì)算的方法是本文提出方法的特例，本文提出的方法既適用于高階的超圖網(wǎng)絡(luò)也適用于傳統(tǒng)二階網(wǎng)絡(luò)結(jié)構(gòu)，具有更好的泛化能力。最終的實(shí)驗(yàn)結(jié)果也表明本文提出的方法比現(xiàn)有算法具有更好的性能，對(duì)未來(lái)進(jìn)一步展開基于超圖的復(fù)雜度研究具有重要意義。

　　Pattern Recognition是國(guó)際模式識(shí)別領(lǐng)域最重要的期刊之一，創(chuàng)刊于1968年，2015年影響因子為3.096；中科院JCR大分區(qū)二區(qū)；中國(guó)計(jì)算機(jī)學(xué)會(huì)CCF的評(píng)語(yǔ)為“國(guó)際重要期刊與會(huì)議，具有重要國(guó)際學(xué)術(shù)影響，鼓勵(lì)我國(guó)學(xué)者投稿”。此外，白璐博士長(zhǎng)期從事機(jī)器學(xué)習(xí)、模式識(shí)別、量子漫步等領(lǐng)域的研究，其成果已陸續(xù)發(fā)表在Pattern Recognition，Journal of Mathematic Imaging and Vision，Pattern Recognition Letters，ICML，IJCAI，ECML-PKDD，ICPR等國(guó)際頂級(jí)或重要會(huì)議、期刊上。其中，自2015年3月進(jìn)入中財(cái)以來(lái)已發(fā)表高水平論文10余篇，包括：國(guó)際模式識(shí)別頂級(jí)期刊Pattern Recognition二篇，國(guó)際“機(jī)器學(xué)習(xí)”與“人工智能”頂級(jí)會(huì)議ICML 2015與IJCAI 2015各一篇，國(guó)際重要會(huì)議論文ICIAP 2015一篇，并獲組委會(huì)與國(guó)際著名學(xué)術(shù)組織IAPR聯(lián)合頒發(fā)的“Eduardo Caianiello”最佳論文獎(jiǎng)。

　　消息來(lái)源：http://news.cufe.edu.cn/zckx/93319.htm