综合新闻

近期，世界著名出版商爱思唯尔（Elsevier）发布旗下Science Direct数据库统计的2005-2015年计算机领域中国作者的高下载论文榜单（Top 50 downloaded articles by China-based authors）。我校机器人研究中心程洪教授为第一作者和通讯作者，在Signal Processing期刊上发表的论文“Sparse Representation and Learning in Visual Recognition: Theory and Applications”（可视识别中的稀疏描述与学习：理论及应用）上榜。该论文也是中国学者在稀疏表达与学习研究领域的唯一入选论文。

论文于2013年6月发表，第一作者单位为电子科技大学，合作作者为微软雷蒙德研究院刘自成主任研究员（IEEE Fellow）、我校机器人研究中心杨路副教授、美国韦恩州立大学陈学文教授。截至2015年1月，在不到两年的时间内，该论文在Science Direct数据库已被全球研究人员累计下载5142次，平均每天7次。

稀疏表达与学习是近年来模式识别与机器学习领域的热点研究方向，在机器人、计算机视觉、信息论、多媒体等领域具有重要的理论和应用价值。理论、计算和实验研究都证明人脑神经元感知和运动信息编码均遵循稀疏表达和建模的思想。作者全面地介绍了近年来稀疏表达、建模与学习在可视化识别中的相关工作，尤其是作者本人在稀疏引导相似度度量（Sparsity Induced Similarity，SIS）的相关工作。文章首次对稀疏表达研究从理论和应用两个方面进行了系统阐述。理论介绍部分涵盖一般稀疏表达、结构化稀疏表达、贝叶斯压缩感知、非负稀疏表达和鲁棒稀疏表达。在可视识别的应用则包括特征表达与选择、字典学习、稀疏引导的相似度度量和基于分类的稀疏编码框架。

目前，机器人研究中心在该领域已经发表多篇具有国际影响力的学术论文，其发表期刊包括IEEE Trans. on Circuits and Systems for Video Technology（JCR二区国际期刊）、Journal of Visual Communication and Image Representation）、Machine Vision and Applications以及Visual Computer等。中心近年来在稀疏表达和学习领域所取得的丰硕研究成果已形成英文专著《Sparse Representation, Modeling and Learning in Visual Recognition: Theory, Algorithms and Applications》，预计2015年6月将由德国斯普林格（Springer）出版社正式出版。

程洪于2009年从美国卡内基梅隆大学计算机学院回国到我校任教，2010年入选教育部新世纪优秀人才计划，2012年入选电子科技大学“百人计划”，2013年入选四川省“千人计划”。2010年创建模式识别与机器智能实验室，2014年担任电子科技大学机器人研究中心常务副主任。程洪已完成教材与学术专著三部，并和指导的研究生在IEEE会刊和顶级会议等国内外重要杂志和会议发表论文80余篇；围绕社会机器人，尤其是外骨骼机器人和3D人机交互技术，申请国家发明专利60余项；2015年与天府新区共同成立天府新区机器人公共技术平台，并担任负责人。此外，程洪还是20多个国际国内杂志和顶级会议的审稿人，并担任2015年中国视觉与学习青年学者研讨会（VALSE 2015）和2016年中国模式识别大会（CCPR 2016）等10余个国内外重要学术会议的大会主席和财经主席。

相关链接：

Signal Processing是欧洲信号处理协会主办期刊，其2013-2014年影响因子为2.234。内容囊括信号处理相关理论和应用的所有方面，主要涉及信号理论、信号处理系统、图像处理等。

爱思唯尔（Elsevier）是荷兰一家全球著名的学术期刊出版商，每年出版大量的学术图书和期刊，大部分期刊被SCI、SSCI、EI收录，是世界上公认的高品位学术期刊。近几年该公司将其出版的2500多种期刊和两万多本图书全部数字化，即ScienceDirect全文数据库。该数据库涉及计算机科学、工程技术、能源科学、数学、物理、化学、天文学、医学、商业、及经济管理、社会科学等众多学科。

爱思唯尔排行榜单：

http://about.elsevier.com/top50/cn/computerscience.html

论文链接：

http://www.sciencedirect.com/science/article/pii/S0165168412003313

（转载自 电子科大新闻中心

http://www.new1.uestc.edu.cn/n=UestcNews.Front.Document.ArticlePage&Id=6331）