（通讯员 李娜）近日，计算机视觉领域顶级会议IEEE Conference on Computer Vision and Pattern Recognition（简称CVPR 2022，CCF A类会议）公布录用名单，智能与计算学部2018级本科生李渤涟以第一作者发表论文“Trustworthy Long-tailed Classification”被录用，指导教师为学部机器学习与数据挖掘团队张长青老师。
该论文提出一种新型集成学习策略解决长尾分类问题，实现了可信、准确、高效的长尾分类目标（如图1所示）。长尾分类在实际应用中十分常见，是一种类别样本量极端不平衡的分类问题，其核心难点在于尾部类别样本量过少，难以获得有效训练。通过引入不确定性集成，实现对尾部类别样本的自动感知；并在此基础上，进一步提出为尾部类别样本动态分配更多模型资源（Experts），实现按需分配。该模型实现了对尾部类别样本的自动化检测与训练调节，是一个解决长尾分类问题的通用模型。
图1.可信长尾分类模型
李渤涟同学于2020年以本科生身份进入学部机器学习与数据挖掘团队学习，经过一年多的系统训练，该同学在科研上取得多项成果。除上述CVPR论文之外，还以第一作者在数据挖掘领域顶级会议The Web Conference 2022（简称WWW 2022，CCF A类会议）上发表长文1篇。
