国家多媒体工程技术研究中心博士生又添佳作

       近日，国家多媒体工程技术研究中心2019级博士生汤云波研究成果被数据科学领域旗舰期刊IEEE Transactions on Knowledge and Data Engineering（TKDE，CCF A刊）录用。这是继2020年ACM CSUR（计算机一区）、2019年IEEE TKDE后，该生在博士在读期间连续发表的第三篇佳作，指导老师为中心陈丹教授。

论文题目为《基于变尺度划分的高维时序数据增强贝叶斯因子分解》（Enhanced Bayesian Factorization with Variant Scale Partitioning for Multivariate Time Series Analysis），从理论基础上缓解了高维时序数据特征工程中长期存在的两大挑战——时序数据高度发散且易受干扰/离群值影响以致特征构建难以优化；时序数据动态增长以致结构化特征求解困难且低效。这些技术困难长期制约着人们探索认知障碍脑电分析等重大科学前沿问题，更是大数据时代生物信号深度应用的拦路虎之一。

本文首先建立评价指标对高维数据作多尺度划分，保证各尺度数据发散程度相对较小；其次，构建分层贝叶斯因子分解模型求解各尺度数据特征因子，添加稀疏化约束自适应调整模型的复杂度并增强模型对干扰的鲁棒性；最后，采用贝叶斯因子融合模型合并各数据分布下特征因子以形成整体时序数据结构化特征，同时可支持增量时序数据的因子分解。该成果在以脑电为典型的时序数据特征构建中取得优异的性能（高准确度、高效率），能支持增量高维时序数据因子分析，低维结构化特征更有效反映脑电潜在的病理学/生理学标志物（“biomarker”），有望为认知功能障碍患者的在线诊断、实时监测以及精细化评估提供技术支撑。