近日人工智能领域国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（模式分析与机器智能汇刊，TPAMI）录用并在线发表荆晓远教授研究组一篇论文，题目是“Multiset Feature Learning for Highly Imbalanced Data Classification”（基于多集特征学习的严重不平衡数据分类）。荆老师带领课题组在读博士生张新玉同学、以及已经毕业的吴飞博士和朱小柯博士等同学完成了这篇论文，并且国内有关高校老师参与了这项工作。
数据类别不平衡是广泛存在的情况，而且随着大数据时代的到来，这种情况越来越多，例如在软件工程、生物信息学、目标识别等应用场合。并且，很多场合是严重不平衡，即数据的类别不平衡比率很高，这样容易导致学习算法分类性能显著下降。这篇论文首先利用随机划分策略和生成对抗网络对原始不平衡数据集构造出多个平衡数据子集，然后提出了一种新的深度度量学习方法即深度多集特征学习。该方法设计了新的鉴别项和加权不相关约束，并引入代价敏感因子，增强了算法的分类能力。实验表明该方法为不平衡数据分类学习、特别是严重不平衡学习提供了一个新思路和新方法。
根据2019年SCI检索报告，IEEE Transactions on Pattern Analysis and Machine Intelligence期刊的SCI检索因子是17.73，是目前人工智能领域及信息科学领域有广泛影响力的权威期刊。这是金沙集团wwW3354CC首次以第一作者单位在该期刊上发表论文，它将有力地推进人工智能学科的前沿性研究工作，扩大学科的影响力。
