2022年5月31日上午，bat365官网登录中文空天数据智能交叉创新中心召开第3期研究生学术报告会。本期报告会由学生自主担任程序委员会主席，由航天航天学院王颖、洪文兴、余臻、曾念寅、刘利军、缪克华、周绮凤、杨帆、关锦婷等研究生导师出席，并总结点评。

报告会上，4位报告人按照学术会议礼仪依次汇报了最新的工作。简述如下。

1.基于一致性预测的模型局部解释方法研究

本文针对复杂黑盒模型在特定样本上的预测行为的解释问题，从可靠性的角度入手，提出一种新的局部解释算法框架。首先从解释结果来看，以往对可解释性的研究主要围绕特征重要性展开，即通过分配重要性指标获取特征影响力排序。而在高风险领域，使用者更关心解释质量，即能够提供这些解释的准确程度。本文提出的方法不仅能够给出特定样本的特征重要性排序，更能给出每个解释结果一个风险评估，能够对每个预测解释结果附加置信度，准确地反映解释结果的风险水平。其次本文提出在待解释样本附近的决策边界处构建局部样本集合，能更准确地描述原始模型的预测行为。在特征重要性评估上，本文方法结合了局部近似和增大解释覆盖范围两种思想，相比于现有的局部解释方法，在确定局部重要特征方面有着更优良的性能。

2.推断细胞组成的完全反卷积方法

本文提出的CDSC算法与其他的不同类型的反卷积算法相比较，包括以基因*细胞类型的表达谱C为参考的方法，以原始单细胞数据集为参考的部分反卷积方法，和无参考的完全反卷积方法。在实验时与多种目前流行的部分反卷积和完全反卷积方法在一组单细胞数据、两组单细胞数据和真实bulk数据三种情况下进行了对比，每种情况都有5组独立的实验数据。最终证明了CDSC方法在不同的情况下都有不错的实验效果。

3.基于鲁棒判别模糊c均值聚类算法的图像分割应用研究

本文针对模糊聚类算法现有的问题做出改进，提出两个算法，通过实验验证了算法在图像分割应用中的优越性能。1.提出具有自适应邻域的鲁棒权重学习的模糊C均值聚类算法（ANFCM），增强算法对噪声鲁棒性的同时也保证了算法的全局稀疏性，提高了算法的计算效率。2.提出基于类内和类间全局信息的鲁棒模糊C均值聚类算法（GRFCM），同时考虑聚类的类内紧致性和类间可分性，实现类间可分性最大化。关于应用方面，实验验证了算法在图像分割应用中的优势，体现在细节处理上保留了更完整的图像信息，对噪声图像有更好的分割性能。

4.融合同态加密和差分隐私的隐私保护推荐系统

为了解决传统推荐系统存在泄漏用户隐私信息风险的问题，本研究提出了一种融合同态加密和差分隐私的联邦学习推荐系统框架FedHD。在保护用户个人信息隐私以及用户交互信息隐私的同时，不降低整体推荐系统的推荐性能并较好地权衡整体系统的隐私保护和时间消耗。实验使用了三个公开数据集，验证了FedHD在实现隐私保护的同时，满足推荐系统的实时性与准确性。

【现场实况】

（图：陈建炜，2019级研究生

文：蒋晓珊，2019级研究生）