报告题目：面向开放环境的鲁棒模式识别

　　报告时间：2019年6月14日(周五)11:00-12:00

　　报告地点：综合科研楼一楼大会议室

　　报 告 人：中国科学院自动化研究所 刘成林 研究员

　　邀 请 人：陈永波 纪委书记

　　报告摘要:

　　过去模式分类的研究多数只关心如何提高测试数据的分类正确率(即泛化精度)，而对拒识和鲁棒性关注较少。近年来，深度学习方法在模式识别领域取得了巨大的成功，但主流的神经网络模型在小样本泛化性和开放环境鲁棒性方面都表现出明显不足。本报告首先分析模式识别系统的鲁棒性的内涵，然后从拒识的角度总结几种提高模式识别鲁棒性的方法。模式识别中主要有两类拒识：歧义拒识和异常模式拒识。我们回顾两种拒识方式的理论模型和主要方法。最后，介绍我们最近提出的一种面向鲁棒模式识别的深度学习方法：深度卷积原型学习。该方法通过深度卷积神经网络学习具有高判别能力的特征，在特征空间用最近原型分类器进行分类，通过联合学习具有很高的分类精度和异常拒识能力以及小样本泛化能力。该模型在领域自适应、在线学习、新类别发现等方面有良好潜力。

　　报告人简介：

　　刘成林，中国科学院自动化研究所副所长，模式识别国家重点实验室主任，研究员、博士生导师。1989年、1992年、1995年分别在武汉大学、北京工业大学、中国科学院自动化研究所获学士、硕士和博士学位。1996年至2004年先后在韩国科学技术院、日本东京农工大学、日立中央研究所从事博士后和研发工作。2005年入选中国科学院“百人计划”。2008年获得国家杰出青年科学基金资助。研究兴趣包括图像处理、模式识别、机器学习、文字识别与文档分析等。在国际期刊和国际会议上发表论文200余篇，合著英文专著一本。现任国际刊物Pattern Recognition的副主编和几个刊物的编委、《自动化学报》副主编。中国人工智能学会会士、模式识别专委会主任，中国自动化学会理事、模式识别与机器智能专委会主任。美国电气电子工程师协会会士 (IEEE Fellow)、国际模式识别学会会士(IAPR Fellow)。

　　欢迎大家到场聆听与交流!