近日，我校計(jì)算機(jī)學(xué)院人工智能專(zhuān)業(yè)2022級(jí)本科生錢(qián)達(dá)墨，以第一作者身份撰寫(xiě)的《Semi-supervised feature selection by minimum neighborhood redundancy and maximum neighborhood relevancy》研究論文被國(guó)際知名期刊《Applied Intelligence》（中科院二區(qū)，中國(guó)計(jì)算機(jī)學(xué)會(huì)推薦C類(lèi)，影響因子：5.3）錄用，江蘇科技大學(xué)為第一署名單位，學(xué)院新引進(jìn)專(zhuān)職教師劉克宇博士為論文通訊作者，楊習(xí)貝教授為論文合作作者。這是我院數(shù)據(jù)科學(xué)與知識(shí)工程研究所楊習(xí)貝教授團(tuán)隊(duì)在弱監(jiān)督數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)領(lǐng)域獲得的又一研究進(jìn)展，充分展現(xiàn)了我院在本科生科技創(chuàng)新能力培養(yǎng)上取得的顯著成效。

該研究提出了一種基于鄰域相關(guān)性與鄰域冗余性的半監(jiān)督特征選擇方法，融合了信息論與鄰域?；夹g(shù)，推廣了一系列鄰域不確定性度量，構(gòu)建了最大鄰域相關(guān)度-最小鄰域冗余度的特征評(píng)價(jià)函數(shù)，并以此為目標(biāo)進(jìn)一步設(shè)計(jì)了面向少標(biāo)簽數(shù)據(jù)的最優(yōu)特征子集搜索算法。課題組在公開(kāi)數(shù)據(jù)集上進(jìn)行了充足的實(shí)驗(yàn)驗(yàn)證，結(jié)果表明：在較低數(shù)據(jù)標(biāo)注率情形下，所提算法仍能支持分類(lèi)器獲得最佳的性能表現(xiàn)。該研究為高維度、欠標(biāo)注、不確定數(shù)據(jù)的有效分析提供了一種新穎有效的策略。

該工作受到了江蘇科技大學(xué)國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目（202410289027Z）的資助。

（撰稿：徐泰華 初審：程鵬 二審：程珉 三審：周春燕 編輯：程鵬）