人才培养 > 研究生 > 学生事务
  
“基于集成学习与主观智能的健康监控风险预测”——计算机学院学术论坛报告

发布日期: 2018/5/11  投稿:     部门:    浏览次数: 34   返回


 

      201859号上午,上海大学计算机工程与科学学院岳晓冬副教授邀请了来自岩手県立大学(Iwate Prefectural University)的Hamido Fujita教授向我们做了一场精彩的报告。该报告的主题是基于集成学习与主观智能的健康监控风险预测(Challenges on Clouds Health-Care for Risk Predictions based on Ensemble Classifiers and Subjective Analysis)。此次报告在计算机大楼1104会议室隆重召开。

Hamido Fujita是日本岩手县岩手县立大学(IPU)的教授以及智能软件系统的总监。他是Elsevier2015年期刊影响因子为:3.325)的知识系统期刊主编。他于2013年获得欧布达大学的Honoris Causa博士称号,并于2011年获得匈牙利布达佩斯奥布达大学名誉教授的称号,于2012年获得澳大利亚悉尼科技大学的荣誉学者奖。他是瑞典斯德哥尔摩大学,悉尼科技大学,台湾海洋大学等大学的兼职教授。他拥有四项软件系统国际专利和多项与日本工业和合作伙伴的研究项目。他是国际应用智能学会副主席,应用智能杂志主编,(Springer)副主编。他在许多关于智能系统和主观智能的著名国际会议上发表了许多主题演讲。他领导了多个项目,包括智能HCI,一个与智能克隆相关的项目,作为人类用户和计算机之间的智能用户界面,以及Virtual Doctor Systems上面向医疗应用的SCOPE项目。

在这场报告中,Hamido Fujita教授向我们讲述了基于集成学习与主观智能的健康监控风险预测。他在报告中强调道,从大数据中发现模式时,由于其在发现用于决策预测的准确模式和特征中的重要性而引起了很多关注。大数据分析面临的挑战是数据表示分析的高维度和复杂性,特别是在线特征选择。数据流的粒度计算和特征选择是处理用于决策制定的大数据分析的难题。教授在这次演讲中讨论了这些挑战,并为集成学习提供关于在线医疗风险预测的新预测。不同类型的数据(时间序列,语言值,时间间隔数据等)给数据分析带来了一些困难,这是预处理和规范化过程非常昂贵且难以处理的原始数据或不平衡数据。教授他们团队利用集合学习作为多数据流的多分类技术,使用增量学习修改数据。Fujita教授还提及主观性(即服务个性化)的概念,它基于反映个人情境框架下的不同情境结构之间的相关性来检查,例如以最近邻居为基础的相关性分析方式。某些属性不完整也可能会影响逼近精度。在这次演讲中,Fujita教授介绍了当前的研究现状,并重点介绍医疗风险分析应用,并举例说明了他们的实验。

此次报告精彩纷呈,引起到场师生强烈共鸣,1.5个小时的学术报告让各位师生受益匪浅。再次感谢Hamido Fujita教授于百忙之中为我们倾心奉献的精彩报告。