国家自然科学基金获得者
胡良臣
个人简介：胡良臣，男，汉族，1991年出生，中共党员，博士，讲师，硕士生导师，现为数据科学与技术系专任教师。
主要研究领域及代表性成果（限5项）：
主要从事机器学习理论及其相关应用（侧重数据表征学习）、计算机视觉、计算智能、计算机辅助几何设计与图形学等方面的研究，在IEEE T-CSVT、IEEE T-CYB、IEEE T-IP、PR、CAD、KBS、软件学报、计算机辅助设计与图形学学报等国内外期刊或会议上发表科研论文20余篇，主持国家自然科学基金青年项目1项，安徽省高校自然科学研究重大项目1项。
[1] Liangchen Hu, Zhenlei Dai, Lei Tian, Wensheng Zhang. Class-Oriented Self-Learning Graph Embedding for Image Compact Representation[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2023, 33(1): 74-87.
[2] Liangchen Hu, Zhenlei Dai, Wensheng Zhang. Joint Sparse Locality-Aware Regression for Robust Discriminative Learning[J]. IEEE Transactions on Cybernetics, 2022, 52(11): 12245– 12258.
[3] Liangchen Hu, Wensheng Zhang. Orthogonal Neighborhood Preserving Discriminant Analysis with Patch Embedding for Face Recognition[J]. Pattern Recognition, 2020, 106: 107450.
[4] Liangchen Hu, Jingke Xu, Lei Tian, Wensheng Zhang. Self-centralized Jointly Sparse Maximum Margin Criterion for Robust Dimensionality Reduction[J]. Knowledge-Based Systems, 2020, 206: 106343.
[5] Liangchen Hu, Wensheng Zhang. NSGA-II Approach for Proper Choice of Nodes and Knots in B-spline Curve Interpolation[J]. Computer-Aided Design, 2020, 127: 102885.
获批项目简介：
项目名称：拓扑结构增益的增量式多视图表征学习理论与方法研究
项目简介：该项目旨在解决流式环境下多源、异构数据的多视图结构中存在的复杂性和难以预测的关联性问题，焦点在于增量式多视图表征学习范式和数据拓扑结构增益机制的研究。首先，项目将围绕增量式多视图表征学习的理论与方法展开研究，旨在探索更为稳健和高效的视图拓扑结构挖掘方法，并为增量式多视图表征学习过程提供增益机制。其次，项目将提出一种增量式融合表征范式，以实现对动态数据的高效处理，降低计算成本，提高计算效率。再者，项目将提出稳定且可塑的深度多视图增量式表征网络，以探索流式多视图数据的非线性分布，发现数据中的潜在知识，提高模型的泛化性、鲁棒性和可靠性。最终，项目将建立原型应用系统，与增量式多视图表征的学习过程形成优化闭环。项目形成的理论模型与算法将推动复杂环境下多视图学习理论与方法的发展，并进一步扩大其应用前景。
