为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
1、特征选择一直是数据挖掘和模式识别领域的一个活跃的研究领域，其目标是从原始的大量特征中筛选出一小部分显著特征。通常地，在实际应用中，特征是否有效往往是未知的，所以在实际应用中会通过提取大量特征以更好地表示目标模式。但是，并不是所有的特征都是有效的，其中存在很多冗余特征、无关特征，这些特征不但会增加分类器的计算复杂性，甚至会降低分类器的性能。特征选择过程不仅可以减少采集特征的成本，而且在某些情况下，由于有限的样本大小的影响，它也可以提供更好的分类精度。
2、基于群智能算法的特征选择技术。引入有效的评估标准，用于衡量所选特征子集的相关性和冗余性。然后，针对应用场景，声学缺陷检测中的特征选择问题，混合蛙跳算法（SFLA）与评估标准相结合，得到基于群智能算法的特征选择方法。通过理论分析和实验验证，验证基于群智能算法的特征选择方法的有效性。