应我院邀请，10月26日下午，西南交通大学陈红梅教授在腾讯会议作了题为《利用模糊流形类内相关性和类间可分性的在线多标签流特征分析》的讲座。相关师生聆听了此次讲座，讲座由廖淑娇老师主持。

在讲座中，陈红梅教授为相关师生介绍了其最新的研究成果。多标签数据广泛存在于跨模态应用、医疗等重要领域，获取这类数据中的有效特征，是构建高效学习模型的核心前提。然而，多标签数据特征具有鲜明的流式特性，传统多标签特征选择方法在适应性上存在局限，不仅要处理数据中的不确定性信息，还要克服流特征动态未知变化的难题，同时需满足流式特征及时反馈与响应的需求，这些问题长期制约着多标签数据研究的深入推进。为突破上述瓶颈，陈红梅教授团队展开深入研究，创新性地提出流媒体特征在线MFS策略。该策略从多维度构建解决方案：首先定义加权流形距离，通过将模糊流形相似性学习策略形式化，精准分析未知分布的实例关系，为后续特征分析奠定基础；其次，构建模糊流形类内相关性与类间可分性指标，以此量化特征可辨性，为特征筛选提供科学依据；最终，以特征可辨性为核心指导因素，搭建全新的多标签流特征分析框架。在该框架下，传入的特征能够被精准划分为弱相关、强相关或冗余三类，进而生成可靠的特征选择子集，有效提升特征质量。为验证策略的有效性，陈红梅教授团队开展系列实验。实验结果表明，该在线MFS策略在处理不确定性信息、应对流特征动态变化、实现及时反馈响应等方面表现突出，所生成的特征选择子集能够显著提升学习模型的性能，充分证明了该方法的实用性与优越性。此次陈红梅教授提出的在线MFS策略，不仅扩展了传统多标签特征选择的适应性，为多标签流特征研究提供了全新思路与技术路径，更将为跨模态应用、医疗等领域的发展注入新动力。未来，随着该策略的进一步推广与优化，有望在更多领域发挥作用，助力相关行业实现技术升级与效率提升。

陈红梅，西南交通大学计算机与人工智能学院，教授，博士生导师。陈教授主要从事粗糙集和粒计算理论相关研究。主持国家自然科学基金项目4项，主研国家自然科学基金5项，主研"十一五"国家科技支撑计划子任务1项。在IEEE Transactions on Knowledge and Data Engineering，IEEE Transactions on Fuzzy Systems、IEEE Transactions on Cybernetics、IEEE Transactions On Multimedia、IEEE Transactions on Circuits and Systems for Video Technology、Knowledge-Based Systems、Information fusion、Pattern Recognition等国际期刊或国际会议上发表学术论文150余篇，担任国际SCI期刊专辑特邀编辑1次，出版专著2部。是IEEE、ACM、IRSS和中国计算机学会会员，中国人工智能学会粒计算与知识发现专委会委员。获得ACM Chengdu Chapter优秀博士论文奖、IEEE Chengdu Section优秀论文奖、四川省计算机学会优秀论文奖、高等学校科学研究优秀成果奖二等奖、重庆市科学技术奖一等奖等奖励。