2021年12月29日下午，华中科技大学李红教授应我院邹斌教授邀请，在学院201学术报告厅为我院师生带来了一场生动的学术报告。本次报告由邹斌教授主持，来自应用统计专业和网络空间安全专业的教师、硕士研究生等30余人听取了报告并进行讨论。

李红教授的报告题目为``基于整体概率度量的高光谱解混自动编码器‘’（Integral Probability Metric based Autoencoder forHyperspectral Unmixing）。在本次讲座中，通过引入Wasserstein距离和特征匹配作为正则化条件，并将SAD作为基础损失，提出了一个用于高光谱解混的联合度量神经网络。该神经网络工作由两部分组成，一个是用于成员提取和丰度估计的自动编码器，一个是用于计算Wasserstein距离的判别器。Wasserstein距离能够稳定提供有用的梯度信息，这些信息可以促进自动编码器获得一个具有更好解混性能的解决方案。在判别器的中间层采用特征匹配，使观测与重构的特征相等，从而进一步提高解混性能。模型分析和正则化参数分析证明了该方法的有效性。在四个真实高光谱数据集上的实验结果表明，所提出的方法优于其他最新的方法，特别是在丰度估计方面。

报告后，李红教授就报告中的一些细节问题，与在场的师生进行了深入的讨论与交流，对大家提出的问题给予了耐心解答。

报告人简介：李红教授，博士、博士生导师、湖北省名师、华中卓越学者特聘教授及享受国务院政府特殊津贴专家。科技部国际科技合作计划评议专家，湖北省计算数学学会理事，美国IEEE会员。主要从事逼近与计算，机器学习与模式识别等方面的研究，在IEEE Trans等学术期刊上发表学术论文60余篇。主持国家自然科学奖学金、``十二五‘’航天支撑计划项目及国防预研基金等多个科研项目。2006年至2021年期间多次应邀访问香港浸会大学、澳门大学、美国加州大学尔湾分校(UCI)、澳大利亚悉尼大学等，十余次出席国际学术会议。2006年获宝钢教育基金``优秀教师‘’奖；2009年主持建设的``复变函数与积分变换‘’课程被评为国家精品课程、2016年被评为国家精品资源共享课程、2018年被评为国家精品在线开放课程及2020年被评为国家一流课程。

(审核:郑大彬)