近日，由王建军教授带领的机器学习与数据挖掘团队在复杂高维数据稀疏建模领域再次取得一系列重要研究成果。该团队首次将低水平量化测量运用至张量鲁棒去噪问题中，建立了严谨的理论恢复保证；进一步，该团队建立了一个广义高阶t-SVD代数框架，设计了一套计算工具包，而后将其应用到诸如图像和视频修补等大规模多维视觉场景中；基于张量数据的低秩和局部平滑先验，该团队研究并设计出了适宜极低采样率下视觉张量数据恢复的新算法。此外，该团队继续充分挖掘张量列/行子空间信息的潜在表达能力，创新性地提出了恢复大规模张量数据的有效方法；同时，将多层列/行子空间信息考虑至张量恢复模型中，为后续探讨灵活有效运用张量列/行子空间信息提供了新思路。以上成果近日相继发表或接收于《IEEE Trans. Inf. Theory》（中国计算机学会A类期刊，中科院SCI期刊分区Top期刊）、 《IEEE Trans. Image Process.》（国际图像处理领域Top、中国计算机学会A 类刊物）、《Proc. AAAI Conf. Artif. Intell.》（中国计算机学会 A 类会议）、《Knowl.-Based Syst.》（中科院Top期刊）和《Pattern Recogn.》（中科院Top期刊）。

据悉，该团队长期聚焦于数学、统计学、计算机科学、信息处理和人工智能等交叉领域的理论和应用研究工作，致力于发展深刻的数学理论与有效的智能计算技术。近年来紧密围绕复杂高维数据稀疏建模这一研究领域，在相关数学基础理论、图像处理以及人工智能等方向上取得了许多突破性的工作。

另悉，该团队还在国际人工智能Top、中国计算机学会A 类刊物IEEE Trans. Pattern Anal. Mach. Intell.(5)、IEEE Trans. Inf. Theory、IEEE Trans. Image Process.，IEEE Trans. Neural Netw. Learn. Syst.（2）,中国计算机学会A 类会议Proc. AAAI Conf. Artif. Intell.，中国数学会T1类刊物、国际应用数学Top刊物Appl. Comput. Harmon. Anal.(2)和Inverse Probl.，以及一些国内高水平刊物，如《中国科学》、《数学学报》、《电子学报》、《计算机学报》等上发表多篇重要原创性学术成果。目前，王建军教授正带领团队继续深度挖掘不同数据潜在的结构化特征，进一步攻克当今人工智能、大数据与深度学习等领域中亟待解决的可解释性理论研究问题，构建和设计有效、可解释、结合实际应用问题的模型和算法。这些成果有望在雷达图像处理、医学图像处理、相机成像系统等大数据与人工智能相关领域得到进一步应用。