研究报告两则:A Novel Rank Approximation Method for Mixture Noise Removal of Hyperspectral Images & 机器学习的数学基础

编辑:    发布时间:2020-07-17    次点击

题目:A Novel Rank Approximation Method for Mixture Noise Removal of Hyperspectral Images


报告人:李红教授(华中科技大学数学与统计学院)

日期:2020年7月25日(周六)
时间:8:00-10:00
腾讯会议ID:242 142 752
点击链接入会,或添加至会议列表:
摘要:Mixture noise removal is a fundamental problem in hyperspectral images (HSIs) processing that holds significant practical importance for subsequent applications. This problem can be recast as an approximation issue of a low-rank matrix. In this paper, a general non-convex smooth rank approximation (NCSRA) model is proposed to handle these mixture noises for hyperspectral images. The main idea is to use a general non-convex smooth function under some assumptions to directly approximate the rank function, which seeks a closer approximation than traditional methods. This non-convex optimization model can be easily solved by the convex analysis tool and remove the mixture noises of hyperspectral images quickly and effectively. Subsequently, we give a NCSRA iterative algorithm, and the corresponding convergence analysis is discussed and proved mathematically. Experimental results from simulated and real datasets illustrate that the non-convex smooth rank approximation method significantly outperforms the state-of-the-art methods on hyperspectral images denoising.

红教授简介:教授,博士生导师,享受国务院政府特殊津贴专家。科技部国际科技合作计划评议专家,湖北省计算数学学会理事,美国IEEE会员。主要从事逼近与计算、机器学习与模式识别等方面的研究,在IEEE Trans等重要研究期刊上发表研究论文50余篇。主持国家自然科学基金、“十二五”航天支撑计划项目及国防预研基金等多个科研项目。2006年至2019年期间多次应邀访问香港浸会大学、澳门大学、美国加州大学尔湾分校(UCI)、澳大利亚悉尼大学等,十余次出席国际研究会议。2006年获宝钢教育基金“优秀教师”奖;2009年主持建设的“复变函数与积分变换”课程被评为国家精品课程、2013年评为国家精品资源共享课程、2018年评为国家精品在线开放课程;2013年获湖北省教学成果二等奖;2014年获湖北省名师称号。



题目:机器学习的数学基础


报告人:李落清教授(湖北大学数学与统计学院)日期:2020年7月25日(周六)
时间:10:00-12:00
腾讯会议ID:242 142 752
点击链接入会,或添加至会议列表:
摘要:介绍统计学习理论的数学基础,包括支持向量机算法、稀疏学习算法和深度学习算法。
李落清教授简介:男,理学博士。湖北大学数学与统计学学院教授,博士生导师。主要研究兴趣:时频分析与信号处理、学习理论与模式识别。曾担任小波分析及其应用国际研究会议程序委员会主席和小波分析与模式识别国际研究会议程序委员会主席。现任国际研究刊物IJWMIP执行主编。

分享到: