应我院邀请，6月19日上午，上海大学岳晓冬副教授在腾讯会议作了题为《基于邻域的不确定性学习—模型与应用》的报告。相关师生聆听了此次报告，报告由廖淑娇副教授主持。

报告中，岳晓冬教授首先介绍了基于邻域的学习方法是通过一组邻域形成数据分布的近似表示，从而进行特征约简和数据分类的一种学习方法。与数据层学习方法相比，现有的基于邻域的学习方法提高了数据的抽象和泛化能力，但也存在一定的局限性。其次，详细讲解了从邻域构建、邻域选择和分类策略等方面对基于邻域的分类方法中的不确定性进行了研究。在此基础上，实现了多种基于邻域的不确定数据分类方法。最后，除了理论模型外还介绍了不确定邻域学习在医疗决策支持系统中的应用。报告结束后，在座的师生就相关研究问题进行了探讨和交流。

岳晓冬，博士、副教授，硕士/博士生导师，毕业于同济大学电子与信息工程学院，后进入同济大学计算机科学与技术博士后流动站工作。曾于2008年在香港浸会大学担任研究助理，2017年在香港理工大学任研究员，2011-2012年在澳大利亚悉尼科技大学任博士后研究员，于2013年进入上海大学计算机工程与科学学院工作，现任智能科学与技术系副主任。主要研究方向为机器学习与软计算，在相关领域发表学术论文60余篇，其中30余篇JCR/CCF1-2区论文。作为项目承担人主持/完成国家级研究项目4项，包括多项国家自然科学基金与中国博士后基金项目；作为主要研究人员参与/完成国家级研究课题6项，包括多项国家基金项目与科技部重点研发计划课题。为IEEEComputational Intelligence Society成员、上海市计算机学会人工智能专委会副主任、中国人工智能学会机器学习专委会委员、粒计算与知识发现专委会常务委员。任领域知名期刊《International Journal of Approximate Reasoning》（CCF B类）领域主编（Area Editor），《Array》副编辑（Associate Editor）。曾任领域知名学术会议AAAI 2016-2018程序委员会委员，ICME2012，DSAA2014与RSKT2014出版主席，Belief 2020会议副主席。