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。
![](/__local/A/5F/C0/03530A90B5D93FE7B35A7E1912B_940E1CB2_231A0.jpg)
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。