近日，江南·体育（中国区）官方网站计算机工程与应用数学学院祝团飞博士以第一作者身份在国际著名期刊《IEEE Transactions on Knowledge and Data Engineering》（简称TKDE）和《Knowledge-based Systems》（简称KBS）分别发表学术论文“Oversampling With Reliably Expanding Minority Class Regions for Imbalanced Data Learning”（ DOI：10.1109/TKDE.2022.3171706）和“Minority oversampling for imbalanced time series classification”（DOI：https://doi.org/10.1016/j.knosys.2022.108764）。TKDE属于中国计算机学会推荐A类（CCF-A）期刊，是数据挖掘领域的顶级期刊；KBS属于中科院一区期刊，是人工智能领域的国际著名期刊，影响因子8.09。祝团飞博士发表的这两篇论文主要致力于解决机器学习和数据挖掘中高挑战性的不平衡数据学习问题。

现实应用中不平衡分类问题广泛存在，如：疾病诊断、贷款审批、半导体晶圆缺陷识别等。此类不平衡问题给机器学习算法带来了巨大挑战，其主要困难在于如何正确识别信息缺乏的关键少数类对象。采样算法作为处理不平衡问题最为流行的解决方案，通过以一定机制生成人工的少数类样本来解决少数类信息缺乏的问题。祝团飞博士发表的两篇论文为二分类不平衡问题，多分类不平衡问题，和高维不平衡时间序列分类问题分别提出了定制的过采样方案。凭借可靠的扩充少数类区域和保留少数类协方差结构，为少数类生成富含信息量的人工合成样本。大量的实验分析验证了所有提出的方法的可靠性与有效性。

祝团飞，江南·体育（中国区）官方网站计算机工程与应用数学学院讲师，2019年4月毕业于湖南大学计算机科学与技术专业，获工学博士学位；2019年5月入职江南·体育（中国区）官方网站，2021年2月在国防科技大学计算机学院从事博士后科研工作。祝团飞发表学术论文10余篇，其中CCF A类一作论文一篇，中科院一区一作论文四篇，一作论文引用总数170余次，受邀担任《IEEE Network Magazine》《Neural Networks》《Pattern Recognition》《Knowledge-based Systems》等中科院一区和二区期刊的审稿人；主持国家自然科学基金青年项目、湖南省自然科学基金青年项目、湖南省教育厅科学研究青年项目；主要研究方向为不平衡数据学习、集成学习、动态集成选择等。

编辑：李冬冬

审核：曾一兵 肖 雄