一、报告时间

2026年10月09日（星期一）14:40

二、报告地点

明德区才德楼A203

三、报告题目

面向复杂动态数据流的在线学习方法研究

四、主讲人

林勉芬，华南理工大学计算机学院博士研究生，主要研究方向为数据挖掘、机器学习、在线学习、不平衡学习。博士期间主要围绕复杂动态环境下的智能学习方法开展研究，重点关注数据流中的概念漂移、类别分布不平衡及标注资源受限等问题，致力于构建具有动态适应能力、鲁棒性和高效学习能力的在线学习模型。累计发表SCI论文8篇，其中以第一作者身份发表论文5篇，相关研究成果发表于IEEE Transactions on Knowledge and Data Engineering、IEEE Transactions on Industrial Informatics、IEEE Transactions on Big Data、Frontiers of Computer Science等国际学术期刊，Google Scholar引用230余次。

五、报告摘要

随着工业互联网、物联网及智能感知技术的快速发展，海量数据以连续、动态的形式不断产生，如何实现复杂动态环境下的高效在线学习，已成为人工智能领域的重要研究课题。然而，现实数据流往往存在类别分布不平衡、概念漂移及标注资源有限等问题，给机器学习模型的持续学习能力、动态适应能力和鲁棒性带来了严峻挑战。

本次讲座以“面向复杂动态数据流的在线学习方法研究”为主题，结合主讲人的代表性研究成果，围绕动态数据流中的类别不平衡、概念漂移与有限标注问题，系统介绍相关研究方法及未来发展方向。