近日，我校统计与数学学院赵建华博士研究矩阵型数据降维的概率建模问题所获研究成果“Bilinear Probabilistic Principal Component Analysis”发表于人工智能领域国际权威刊物《IEEE Transactions on Neural Networks and Learning Systems》2012年23卷第3期，赵建华博士为第一作者，为第一署名单位，这是我校首次在TNNLS期刊发表论文。
该成果得到了评审专家的好评。评审专家们认为，该论文令人感兴趣且写得相当精彩，实证研究部分提供了令人信服的论据来演示提出方法的兴趣点；写作非常好、条理清楚，具有重要贡献，应予发表。
论文简介：概率主成分分析模型是一种流行的线性隐藏变量模型，用于对向量型数据进行概率降维。然而，当用于矩阵型数据如图像时，由于其大量的模型参数，概率主成分分析模型通常遭遇所谓的维数灾难。为克服这一问题，该论文提出一种全新的概率模型称为双线性概率主成分分析模型。一系列针对矩阵型数据的实证研究表明所提出的模型比存在的概率和非概率降维方法更为精确。
