报告主题：自底向上的特征选择方法及应用(系列报告之一)

报告时间：2019年5月26日下午1:00-2:00

报告地点：成栋楼1014

报告人姓名：赵旭东

报告内容简介：特征选择方法是模式识别与机器学习领域中的关键问题，在帮助提高分类器预测精度和回归器拟合精度的同时，为模型的可解释性提供了可靠的保证。自底向上的特征选择方法，系师从机器学习与人工智能领域国际著名科学家徐雷教授、并协助其跨学科开展癌症致病关键基因检测研究中掌握的方法。在此基础上，将该方法加以改良和创新，并将其应用到基因检测和图像处理上，做了些许有益尝试。所著成果分别发表在Oncogene、Scientific Reports、BMC Bioinformatics、Biomed Research International、Nature Environment and Pollution Technology等国际学术期刊上。

报告主题：自顶向下的特征选择方法及应用(系列报告之二)

报告时间：2019年5月26日下午2:00-3:00

报告地点：成栋楼1014

报告人姓名：赵旭东

报告内容简介：特征选择方法是模式识别与机器学习领域中的关键问题，在帮助提高分类器预测精度和回归器拟合精度的同时，为模型的可解释性提供了可靠的保证。自顶向下的特征选择方法，系来校工作之后，在自顶向上的特征选择方法的基础上，指导本科生开发的一套全新的方法，并将其应用到癌症致病和分型关键基因检测上，做了些许有益尝试。所著成果拟投稿至Nature Communications这一国际学术期刊上。

报告主题：基于密度降序聚类的方法及应用(系列报告之三)

报告时间：2019年5月26日下午3:00-4:00

报告地点：成栋楼1014

报告人姓名：赵旭东

报告内容简介：基于密度的聚类方法是模式识别与机器学习领域中的关键问题，在实现数据预处理、帮助提高分类器预测精度的同时，为关键类别发现提供了可靠的保证。基于密度降序的聚类算法，系来校工作之后，参考发表在Science上的高被引论文《Clustering by fast search and find of density peaks》，指导本科生开发的一套全新的方法，目前已在公共数据集上做了些许有益尝试。所著成果已投并拟稿至Electronic Letters并Pattern Recognition这两个国际学术期刊上。

报告主题：差异共表达网络的构建方法研究(系列报告之四)

报告时间：2019年5月26日下午4:00-5:00

报告地点：成栋楼1014

报告人姓名：赵旭东

报告内容简介：特征选择方法是模式识别与机器学习领域中的关键问题，在帮助提高分类器预测精度和回归器拟合精度的同时，为模型的可解释性提供了可靠的保证。在开发出自底向上和自顶向下的特征选择方法的基础上，引入基于密度降序的聚类算法，拟指导学生尝试采用跨团的思路，构建一种全新的网络—差异共表达网络，拟将其应用到基因检测和图像处理上，并期待将相关成果投至交叉科学领域或人工智能领域国际高水平学术期刊上。

报告人简介：赵旭东, 1980年生，哈尔滨人。本硕博就读于哈工大，香港中文大学博士后，哈工大计算机学院人工智能与信息处理专业博士毕业；校“5211”引进人才计划获得者，东北林业大学信息学院讲师，硕士生导师，信息学院AI-BBD创新实验室指导教师。自2015年来校工作以来至今，以第一或通讯作者身份发表SCI论文5篇（Q1区4篇、Q2区1篇，含本科生一作2篇），以第二作者发表SCI论文1篇（Q4区）、EI论文1篇；以通讯作者身份在审SCI论文1篇（Q3区1篇，本科生一作）；出版著作两部；申请发明专利两项；横向课题经费累积达60万。