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。