Asoke K. Nandi教授做客bat365在线平台官方网站“前沿科学报告”

9月18日下午，应科技处、前沿院和电子信息与人工智能学院邀请，Asoke K. Nandi教授做客bat365在线平台官方网站“前沿科学报告”，作了题为“How to make better choices? Single performance measure from many parameters”的学术报告。本次报告会由电智学院雷涛教授主持，学院相关专业教师和研究生参加此次报告会。

Nandi教授首先介绍了在选择最佳算法时，对算法进行稳健评估是必不可少的，在单个性能度量的情况下，客观执行这样的评估是显而易见的，但是在多个性能度量情景下会是什么样的情况我们并不清楚。Nandi教授基于这个问题为我们进行了深刻的剖析。他首先介绍了AM（算术平均数）、HM（调和平均数）和GM（几何平均数）三种指标，说明了F₁分数-HM是最受欢迎的评估标准。随后他又提出了两种新的指标DO（到原点的距离）和DIP（到理想值的距离）。当有几个独立的度量标准时，DO、DIP提供最大和最小度量性能之间的分数，DO被贴上了一个二次平均（QM）的标签，而DIP没有被贴上任何标签，它是一种新的指标。最后Nandi教授在医学数据集上实验验证了五种指标中DIP的优越性，他解决了在客观评价性能措施方面急需的知识差距且与许多领域相关。引入了剩余相空间的新概念用于评估性能并提出了两个新的性能度量，即DO和DIP。HM总是比GM好，GM比AM好，AM比DO好。DIP总是比AM好，AM比DO好。在这五项指标中，DIP或HM都优于其他指标，DIP被证明是在高性能算法的五种测量方法中最好的。

Nandi教授的精彩报告引起师生们的踊跃提问和热烈讨论，Nandi教授也热情地为大家一一解答，参会师生表示受益匪浅。Nandi教授的学术分享开阔了广大师生的视野，使大家对算法的评估标准即度量指标有了新的认识，也对相关专业的研究具有一定的启发作用。

新闻小贴士：

Asoke K.Nandi教授是英国布鲁奈尔大学电子与电子工程系主任，英国皇家工程院院士，英国机械工程师学会院士，工程技术学会院士，也是包括IEEE在内的其他三个机构的院士，兼任西安交通大学讲座教授。Nandi院士在物理学、统计信号处理、机器学习和生物医学信号处理方面均做出了开拓性的理论研究,并在基因组的信号处理和脑电信号处理应用方面做出过巨大贡献。Nandi院士毕业于享誉世界的剑桥大学圣三一学院，毕业后留校任教。1983年，Nandi教授与其他人共同发现了W+、W-和ZO这三个基本粒子，为电磁力和弱力的统一提供了证据。在机器学习领域，Nandi院士也是最早将机器学习方法引入到基因数据分析中的先驱之一。目前的研究方向为信号处理和机器学习，主要应用于功能性磁共振数据、基因表达数据、通信和生物医学数据，为信号处理和机器学习的许多方面做出了基本的理论和算法贡献。撰写了600多篇出版物，包括280篇期刊论文以及六本书刊。Nandi院士首次证明了循环平稳性在震荡数据分析中的应用，并因此获得了英国the Water Arbitration Prize奖。Nandi院士也是最早将机器学习方法（聚类算法、人工神经网络，支持向量机和遗传编程）引入到基因数据分析中的先驱之一。

（核稿：雷涛 编辑：刘倩）