近日，我院王智副教授在人工智能与机器学习领域取得突破，研究成果“Iteratively Capped Reweighting Norm Minimization with Global Convergence Guarantee for Low-Rank Matrix Learning ”被人工智能、模式识别、计算机视觉及机器学习领域公认的顶级国际学术期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE TPAMI）录用为长文（Regular Paper）并已发表。IEEE TPAMI是CCF认定的A类学术期刊，根据Google Scholar Citation统计，它在所有计算机工程、电子工程及人工智能相关期刊榜单上以165分的h5-index排在第1位。根据Web of Science的检索结果，这是计算机与信息科学学院首次以第一完成单位在IEEE TPAMI上发表非综述类Regular Paper。

该研究聚焦人工智能和计算机视觉领域中的低秩矩阵学习问题，通过考虑不同秩分量的不同贡献和引入自适应截断策略将众多现有的非凸正则子统一到低秩框架中，提出了广义低秩矩阵学习模型。在算法设计方面，通过对广义低秩矩阵学习模型的理论特性的分析，提出计算效率高、具有收敛性保证的优化方法，该方法同时兼具收敛精度和收敛速度。更重要的是，利用Kurdyka-Łojasiewicz 不等式对提出的优化方法的局部和全局收敛性进行了严格的数学分析，这为求解非凸优化问题的一阶算法提供了重要的理论范式。该模型和优化算法在非精确采样下的低秩矩阵不完备问题和子空间聚类问题等实际应用任务中获得了SOTA的结果，并且在低秩张量恢复、高光谱图像去噪/异常检测、医疗诊断等大数据领域有着广 泛的应用前景。

王智，男，博士，副教授，硕士生导师。研究领域包括人工智能、机器学习、深度学习、大数据技术和最优化理论等。近年来，在 IEEE TPAMI/TNNLS/TCSVT等国际顶级 Top期刊上，以及IJCAI等CCF A类国际会议上发表学术论文 40 余篇；主持和参与国家重点研发课题、国家自然科学基金、重庆市自然科学基金、西南大学博士基金等项目10余项。

论文链接：https://ieeexplore.ieee.org/document/10783021

供稿：付瑶

供图：付瑶

初审：张维勇

复审：廖剑伟

终审：王一晖