国家自然奖二等奖：基于不充分信息的机器学习理论与方法研究

完成人：周志华(南京大学)，陈松灿(南京航空航天大学)，张敏灵(南京大学)，黎铭(南京大学)，谭晓阳 (南京航空航天大学)

推荐单位：教育部

智能化是信息科学技术发展的主流趋势之一，而机器学习是实现智能化的关键，并在众多领域发挥日益重要的作用。该项目针对机器学习中信息不充分问题开展了研究，对采样、标记、关系、目标类等方面的不充分性，分别通过挖掘数据分布信息、利用未标记数据、利用邻域关系及度量学习、利用非目标类数据来展开研究，建立了多学习器集成的理论和方法、协同训练理论与方法、不平衡样本集的学习理论与方法，用标准测试集测试了这些理论和方法的可行性，并将提出的方法应用医疗诊断、刑事侦查等领域，充分表明该项目构成了完整的体系，有重要发现与创新。推动了基于不充分信息的机器学习问题的研究，有重要的学术意义及实际应用价值。该项目的主要论文发表在国外著名期刊而且影响因子较高，学术思想和观点得到学术界的广泛认可。该项目获发明专利授权6项；研制的系统成功应用于国际电信公司用户分析，两次获PAKDD国际数据挖掘竞赛冠军。获《PatternRecognition》2006-2010年“Most Cited Article”等国际论文奖4项。两次获教育部自然科学一等奖(2005、2011年度)。应邀做国际学术会议特邀报告23次(上旨报告16次)。培养了中国计算机学会优博5篇；7名博士生获微软学者奖；第一完成人入选IEEE

Pellow、IAPR Fellow，担任12种SCI(E)期刊副主编或编委。