近日，电子科技大学英才实验学院（计算机科学与技术专业）2017级本科生李姜辛的论文“Self-paced Two-dimensional PCA”成功入选AAAI 2021。李姜辛为该论文第一作者，计算机科学与工程学院康昭副教授为论文通讯作者。AAAI是公认的人工智能领域世界顶级会议，也是中国计算机学会推荐的A类（CCF-A类）国际学术会↑议。本年度大会收到破纪录的9034篇有效投稿，其中1692篇被录用（接受率21%）。各类机构都々将在会议上分享、交流最新研究成果。

第1行为原图，第2行为本文所提方法恢复图，其它行为已有的恢复结果

　　图像和视频等高维数据找到有效的表示是☆机器学习、模式识别和数据挖掘领域里一个存在已久的问题。目前基于深度神经网络的表示学习方法通常能有较好的实验效果◥，然而这些方法的参数空间和计算复杂度很大，而且不具有良好的可解释性。传统的PCA算法存在鲁棒性差的问题，而近年来为了提高PCA算法鲁棒性所做的工作几乎都是⌒围绕构建不同的误差测量标准进行的。这些标准引出的目标函数都是静态的，对一些噪点占比高、噪声大的数据集降√维效果较差。为了克服这一困难，本论文独辟蹊径，聚焦于经典的数据降维方法-主成分分析法（PCA算法），提出了一种基于★自步学习的PCA算法。该方法模仿人类的学习过程，让PCA算法在每一轮迭代中都显式地区分样本是简单还是难，实现从ξ简单到复杂的学习过程。理论分析证明了该方法的鲁棒性和收敛保证。大量的图像重建和聚类实验证明了该方法的优越性。

　　李姜辛同学于2019年暑假ζ　加入康昭副教授课题组。康昭近三年已经指导本科生发表了13篇高水平学〗术论文，其中包括CCF-A类会议和中科院1区期刊论Ψ文8篇，大部分学生毕业后进入哥伦比亚大学、华盛顿大学、清华大学等海内外名校深造。课题组已在人工智能领域的国际顶级会议和期刊▓发表论文近60篇，包括AAAI，IJCAI，ICDE，MM， CVPR，SIGKDD，ICDM，SDM，CIKM，IEEE TCyb，ACM TIST，ACM TKDD，Neural Networks，Pattern Recognition，Information Sciences等，其中CCF-A类和中科院1区论文20篇，ESI高被引论文3篇，谷歌学术引用1200余次，H-index 21。主持自然科「学基金项目，参与新一代人工智能（2030）国家重点研发计划。