高瓴人工智能学院1篇论文被国际顶级期刊TPAMI录用

高瓴人工智能学院准聘副教授苏冰作为第一作者的论文被国际顶级期刊TPAMI录用。IEEE Transactions on Pattern Analysis and Machine Intelligence（简称TPAMI )是计算机视觉和人工智能领域国际公认的顶级期刊，是中国计算机学会（CCF）推荐的A类期刊，影响因子17.861。

论文题目：Linear and Deep Order-Preserving Wasserstein Discriminant Analysis

作者：苏冰，周嘉欢，文继荣，吴郢

论文概述：序列数据的监督特征降维旨在学习一种变换，该变换通过最大化不同类别中序列的可分性，将序列中的特征映射到一个低维子空间。序列特征降维通常比静态数据的特征降维更具挑战，因为度量序列的可分性涉及非线性程序来处理时序结构。在本文中，我们提出了一种线性方法，称为保序Wasserstein判别分析（OWDA），其深度扩展为DeepOWDA，分别用于学习序列数据的线性和非线性判别子空间。我们基于保序Wasserstein（OPW）距离构造一种新的序列类别之间的可分离性度量，以捕获其时序结构之间的本质差异。具体来说，对于每个类，我们提取OPW重心，并将类内散度构造为围绕重心的训练序列的分散程度。类间距离被测量为相应重心之间的OPW距离。我们通过最大化类间距离并最小化类内散度来学习线性和非线性变换。通过这种方式，我们提出的OWDA和DeepOWDA能够通过利用具有时序约束的几何关系来专注于类之间的独特差异。在四个3D动作识别数据集上进行的实验验证了OWDA和DeepOWDA的有效性。

来源：高瓴人工智能学院