返回数字媒体信息处理团队多名研究生荣获2019-2020学年校级优秀博士学位论文奖
和校级优秀硕士学位论文奖
根据《北京交通大学优秀博士、硕士学位论文评选办法（修订）》，经我校第十四届校学位评定委员会第十二次全体会议审定，18篇博士学位论文入选2019-2020学年校级优秀博士学位论文，100篇硕士学位论文入选2019-2020学年校级优秀硕士学位论文。
其中，本团队博士生张幸幸的博士学位论文《机器学习中原型学习理论与方法研究》（由赵耀教授指导，朱振峰教授协助指导）荣获本年度优秀博士学位论文奖。硕士生李有儒的硕士学位论文《时空数据表征学习与预测建模》和硕士生李福臻的硕士学位论文《基于神经网络的图表示学习方法研究》（均由朱振峰教授指导）荣获本年度优秀硕士学位论文奖。同时，张幸幸同学和李有儒同学荣获“北京市优秀毕业生”荣誉称号。李有儒同学还荣获北京交通大学研究生“知行”奖学金提名奖荣誉称号。李福臻同学荣获“北京交通大学优秀毕业生”荣誉称号。
张幸幸的论文围绕机器学习中原型学习的多样性、可解释性和相容性三个核心问题，探索建立新的原型学习模型，对涉及的相似性度量、互斥约束、质量评价、知识迁移、模型优化等理论问题开展深入研究，解决面向表征学习的原型互斥选择、序列模式下原型的结构化选择、任务指派中的原型生成等技术问题。相关成果发表在本领域重要期刊IEEE Trans. on Circuits and Systems for Video Technology、IEEE Trans. on Multimedia、IEEE Trans. on Neural Networks and Learning Systems和重要会议International Joint Conference on Artificial Intelligence等，以从样本空间进行数据约简，在增强数据可用性的同时，提升机器学习算法的执行效率。
李有儒的论文以时空数据为研究对象，围绕时空数据表征学习与预测建模的关键研究问题，针对时间序列预测中的样本重要性采样、时空需求预测中的异构时空表征学习、跨域类别型数据阶依赖嵌入表征中的序列化建模以及基于知识图谱的动态兴趣序列学习等重要研究内容，开展深入研究，分别提出了基于进化注意力机制的长短期记忆网络模型、时空图向量化表征学习模型、跨域类别型属性嵌入模型以及一种基于知识图谱的动态兴趣表征学习方法，有效解决了相关领域中的实际问题。相关成果发表在CCF A类会议AAAI-19以及重要SCI期刊Knowledge-based System、Artificial Intelligence in Medicine等。
李福臻的论文围绕同构图、异构图和知识图谱的表征学习问题，探索建立新的图表示学习模型，对其中涉及的稀疏、高维、异构等特性进行深入研究，为解决图的高阶无监督学习、图表示学习在迁移学习的应用和大规模知识图谱的高效图表示学习问题提出有效方法。在国际重要期刊Neurocomputing发表论文一篇，并在KDD、京东等平台举办的数据挖掘比赛中取得优秀成绩。
