时间：2025年6月21日 星期六

地点：成都大学2教2113室

报告人：杨勇  张冬梅

成都大学的杨勇同学聚焦于脑电信号处理领域，深度解读《Enhancing EEG-Based Cross-Subject Emotion Recognition via Adaptive Source Joint Domain Adaptation》，本篇文章提出 ASJDA 框架解决 EEG 跨主题识别难题，通过 Jensen-Shannon 散度动态筛选源域避免负迁移，结合全局域级与类别子域级双重对齐，利用 MMD 和 LSD 优化特征适配，在 SEED 数据集达 96.81% 准确率、DEAP valence 维度 68.30%，为脑机接口跨患者应用提供技术支撑。

随后，来自成都信息工程大学的张冬梅分享《Multi-view Clustering with Adaptive Anchor and Bipartite Graph Learning》，针对多视图数据聚类中计算复杂度高、结构信息易丢失的挑战，提出 ABMVC 算法框架，ABMVC 算法融合锚点图与子空间图学习，通过投影矩阵降维、共识锚点自适应更新，引入拉普拉斯秩约束直接生成聚类结构，时间复杂度优化至 O (n)，在 Caltech101-7 准确率 84.67%、含噪声 Mfeat 提升 15.3%，适用于大规模多模态康复数据实时分析。

两篇论文分别从 “脑电信号域适应” 与 “多视图数据聚类” 切入，展现机器学习与生物医学信号处理的交叉创新潜力：ASJDA 的动态源筛选机制为解决康复场景中患者个体差异提供方法论，ABMVC 的结构化图学习为多模态康复数据特征融合提供新思路。二者均通过 “算法优化 — 数据验证 — 场景适配” 的研究范式，为智能康复领域的 EEG 情感识别、医学影像分析等任务提供可迁移的技术框架，推动机器学习算法向临床康复应用的转化进程。