2022年度研究院“重要科研进展”评选结果揭晓
为激发我院师生科技创新活力,推动基础研究源头突破与科技项目成果转化。研究院于2023年1月10日举行2022年度“重要科研进展”评选工作,全院教师参与此次评选投票工作。
此次评选共推选2项候选成果。评选过程秉持公平、公开、公正的原则。最终,2项成果均以超过2/3的票数获评2022年度“重要科学进展”。获奖成果如下:
闫涛 |
三维时频变换视角的智能微观三维形貌重建方法 |
《中国科学:信息科学》(CCF A) |
|
王婕婷 |
Generalization Performance of Pure Accuracy and Its Application in Selective Ensemble Learning |
《IEEE Transactions on Pattern Analysis and Machine Intelligence》(CCF A) |
附获评成果简介:
三维时频变换视角的智能微观三维形貌重建方法
微观三维形貌重建作为超精密三维显微设备的核心技术,可对精密制造和工业测量领域的复杂零部件表面实现亚微米精度的三维信息获取与检测,为微细加工场景提供质量保证,但微米级光学成像本身的局限性无法保证微观场景的高质量成像,给高精度的三维形貌重建带来挑战,本研究从三维数据时频变换的视角提出智能微观三维形貌的全新框架,并给出多视角分析、稳定性聚类和选择性融合三个逻辑耦合的关键步骤。三维时频变换视角的智能微观三维重建方法为基于图像聚焦信息的三维形貌重建提供一个崭新的研究视角。
http://dig.sxu.edu.cn/xwz/xkxyj/dblw/2022n/2a11eb105044455aba2944488a203211.htm
Generalization Performance of Pure Accuracy and Its Application in Selective Ensemble Learning
在机器学习领域,广泛存在的随机一致性的使得一致性评估及决策结果失去了客观性。本研究通过构建可消除随机一致性的一致性度量范式,导出了纯准确度度量,给出了一个更紧的泛化误差上界。进一步提出了优化纯准确度的选择性集成模型PASE,基准测试集和图像数据集表明PASE比现有的基于准确度的选择性集成方法更有效。
http://dig.sxu.edu.cn/xwz/new_xw/zxxw/c0b6b889853849feba3a689492ec5d67.html