今天下午13:14分，中国机器学习的主要开拓者和引路人，复杂系统管理与控制国家重点实验室研究员王珏老师因病去逝，享年66岁。
为了寄托哀思，表达我们对王老的哀悼以及深切缅怀，36大数据（36dsj.com)今日将全网变成黑白色，24小时候再恢复过来。王钰老师主页见>>>
36大数据风格写给王珏老师的一封信：
王钰老师，您好！我没有听过您的课，但是这不妨碍我们对您的离去进行深深的哀悼与追思。
我们爱大数据，我们也爱机器学习，因为有您，机器学习在中国才会得到迅猛的发展。因为有您，才会让我们这些后辈前仆后继的加入到机器学习研究领域，您是我们的指路人。我们多么希望你还在，还在那个熟悉的讲台边给我们讲课，和我们一起探讨中国机器学习和大数据的发展。我们多么希望你只是累了要休息几天……我们多么希望，一切只是命运和我们开了个玩笑，您还在，您不曾离去。
其实你真的还在，您的无私奉献和专业精神，将永远激励着我们，也激励着更多的后辈一起努力。
今夜，我会在家里为您点上蜡烛，愿天堂一路好走。
下面是王钰老师的履历：
王珏，男，汉族，博导，自动化研究所研究员。主要研究领域为机器学习。
研究领域
机器学习
社会兼职
IEEE高级会员(Senior Member)
中国计算机学会人工智能与模式识别专业委员会主任
中国自动化学会智能自动化专业委员会副主任
专利与奖励
奖励信息
专利成果
出版信息
发表论文
[1]“Reduction Algorithms Based on Discernibility Matrix：The Ordered Attributes Method”, Journal of Computer Science & Technology, 2001., 16(6), 489-504
[2]Han Suqing and Wang Jue, “Reduct and Attribute Order, Journal of computer science and technology”, 2004, 19(4), 429-449
[3]“Multilevel data summarization from information systems: a “rule + exception” approach”, AI Communications, 2003, 16(1), 17-39
[4]Yao, Y, Wang, F, Wang, J and Zeng, D., Rule+exception strategies for security information analysis, IEEE Intelligent system, September/October, 2005, 52-57
[5]Posterior Probability Support Vector Machines for Unbalanced Data. IEEE Trans on Neural Networks. 2005, 16(6): 1561- 1573.
[6]”Freeway Traffic Stream Modelling based on Principal Curves and its Analysis,”IEEE Transactions on Intelligent Transportation Systems, Vol 5, No. 4, pp: 246-258, 2004.
[7]A Transductive Framework of Distance Metric Learning by Spectral Dimensionality Reduction. in Proceedings of the International Conference of Machine Learning (ICML), 2007。
[8]User-Oriented Feature Selection for Machine Learning. The Computer Journal, 50(4), 421-434, 2007。
[9]Min Zhao, Su-Qing Han, and Jue Wang. Tree Expressions for Information Systems. Journal of Computer Science and Technology. Vol22(2), 297-307, 2007。
发表著作
[10]王珏等编辑, “机器学习及其应用”，清华出版社，2006。
[11]王珏等编辑, “机器学习及其应用2007” 清华出版社，2007
科研活动
研究方向：
目前主要研究兴趣在机器学习理论，包括，符号机器学习和统计机器学习。前者主要沿着人工智能的研究方法，发展可解释可阅读的学习方法，同时，考虑到在一个数据集合中可能存在多个解答，如何根据用户需求计算特定模型，进而发展寻找例外的方法。在统计机器学习中，前一段主要研究基于margin的学习方法，近期，考虑统计学的最新研究结果，开始研究高维空间导致信息稀疏而必须面对的各种问题，包括模型平凡性等。在这两类研究的基础上，考虑信息检索、分子生物信息和金融数据的特殊性和需求，同时开展针对不同范式的机器学习的基本理论研究，例如，关系学习、度量学习、排序学习等。
指导学生
韩彦军 博士研究生 081104-模式识别与智能系统 80146-自动化研究所
马奎俊 博士研究生 081104-模式识别与智能系统 80146-自动化研究所
杨柳 博士研究生 081104-模式识别与智能系统 80146-自动化研究所
黄羿衡 硕士研究生 081104-模式识别与智能系统 80146-自动化研究所
孙正雅 博士研究生 081104-模式识别与智能系统 80146-自动化研究所
刘年庆 博士研究生 081104-模式识别与智能系统 80146-自动化研究所
吴蕾 硕士研究生 081104-模式识别与智能系统 80146-自动化研究所
End.返回搜狐，查看更多