近日，统计系翟铮博士以第一作者身份在人工智能领域顶级学术期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（简称TPAMI）发表论文Quadratic Matrix Factorization With Applications to Manifold Learning

论文创新地提出了一种通过二次矩阵分解模型来研究高维空间数据分布规律的方法，通过利用二次矩阵分解模型充分反映数据在局部范围内的曲率特征，该方法能够有效地刻画高维数据空间分布的几何特征，在高维空间上实现更小误差的数据近似。本工作讨论了交替算法在该模型求解过程中的收敛性，采用变量交替优化的迭代方式进行求解，模型在高维数据拟合和重构方面表现出卓越的性能，对于图像数据（如人脸图片和手写数字）的去噪及高维数据生成等研究领域具有重要意义。

TPAMI被公认为模式识别、人工智能领域顶级国际期刊，是CCF（中国计算机学会）推荐的A类期刊，SCI最新影响因子20.8。 

论文链接：https://ieeexplore.ieee.org/document/10478194