莱斯特国际学院2020级数理基础科学专业本科生张成瑞在IEEE/CAA Journal of Automatica Sinica（《自动化学报》英文版）作为第一作者发表论文“Semi-supervised Feature Selection with Soft Label Learning”。该论文由数学科学学院于波教授指导。

IEEE/CAA Journal of Automatica Sinica（《自动化学报》（英文版），简称JAS）由中国自动化学会、中国科学院自动化研究所主办，与IEEE合作办刊，最新影响因子为11.8，是中科院期刊分区工程技术和计算机科学类一区Top期刊、自动化与控制领域唯一的中国主办Q1区SCI期刊；最新CiteScore为17.6，在控制与优化领域的121种期刊中排名持续居全球第1；谷歌学术计量自动化与控制理论学科顶级出版物中排名全球第8，是该学科TOP20出版物中世界最年轻且唯一中国主办的期刊。

图表1SFS-SLL算法的框架图

论文聚焦于现存半监督特征选择方法的一些问题，例如，大多数现有方法忽略了数据的模糊性，且许多方法需要衡量所有样本之间的关系，效率较低，难以应用到大规模数据集上。为了解决上述问题，该论文提出了一种有效的基于软标签学习的半监督特征选择（SFS-SLL）方法。具体而言，首先利用高效的Fuzzy C-Means聚类算法，基于样本之间的局部距离和聚类中心学习初始软标签，并通过一种监督语义约束模块，利用已有标签信息作为软标签学习的指导，以提高软标签质量。该文提出了一个简单而有效的稀疏回归模型，将软标签学习和特征选择集成到一个统一的框架中。最后，基于交替方向乘子法（ADMM）得到了一种有效的优化策略，迭代地求解提出的目标函数。在多个数据集上的实验结果表明，与比较方法相比，该文中提出的方法在特征选择准确性和效率方面取得了改进。

该工作历时近两年，张成瑞同学作为论文第一作者，完成了模型构建、数学推导、实验、论文撰写和修改等工作。于波教授作为该论文的通讯作者，悉心指导该研究工作。此外，张成瑞同学积极参加各类科创比赛，并作为队长，获得了美国大学生数学建模比赛M奖、APMCM亚太地区大学生数学建模竞赛一等奖、第十届辽宁省大学生创新创业年会特等奖等奖项。