近期，成人直播平台
吴成英博士申报的课题《大规模数据标注受限场景下的多粒度知识持续学习方法研究》获批国家自然科学基金青年科学基金项目资助。该项目资助期限为2026年1月至 2028年12月。
项目摘要
在动态环境中，大规模数据的标注面临耗时、成本高昂等挑战，制约了数据价值的深度挖掘，限制了知识学习模型性能的提升。针对该问题，该项目拟建立多粒度认知的图半监督学习框架，突破有限标注数据的性能瓶颈，实现高效、鲁棒且可信的知识持续学习。该框架通过构建多粒度结构化表示，充分利用有限标注数据，针对动态数据流设计知识持续学习机制，以提升模型学习的质量和效率。具体研究内容包括：针对无标注数据，从局部和全局两个视角研究多粒度结构化表示，以捕捉数据的潜在结构特征；利用有限标注数据，建立信息粒的软标签学习方法，提升无标注数据的利用效能；面对动态数据流，建立多粒度知识持续学习方法，确保模型实时更新并适应新数据。该项目不仅能为大规模半监督学习提供理论突破，建立多粒度认知驱动的新型学习范式，而且在应用层面缓解动态数据流中模型退化和标注依赖度高等瓶颈，显著提升模型的实时决策可靠性与场景适应性。
个人简介
吴成英，博士，研究方向为多粒度认知计算、数据挖掘与知识发现，主要从事不确定性数据处理、增量学习及粒球聚类等研究。担任多个学术期刊审稿人，包括 IEEE Transactions on Fuzzy Systems、Information Fusion、International Journal of Approximate Reasoning 等SCI 期刊。讲授课程涵盖算法设计与分析、离散数学等智能科学核心课程。
