近日，我院教师李华在大维随机矩阵应用领域的最新研究成果“Spectrally-Corrected and Regularized LDA for Spiked Model”被机器学习、人工智能领域顶级学术期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（简称IEEE TPAMI）长文录用。该研究成果具有一定的里程碑意义，标志着我校在数据科学研究领域取得了重要进展，研究水平和能力受到了国内外同行的广泛认可，有效的提升了我校在相关领域的学术影响力和贡献度。
IEEE TPAMI是机器学习、人工智能领域学术期刊，在中国计算机学会认定的机器学习、人工智能领域四个A类期刊中排名第一，五年平均影响因子26.7，主要收录人工智能、模式识别、计算机视觉及机器学习领域的原创性科研成果，是该领域顶级学术期刊之一，也是目前信息领域中影响最大、水平最高的期刊。
李华，副教授，博士，我院数据科学与大数据技术系主任，应用统计专业硕士导师。毕业于新加坡国立大学，师从世界科学院院士、美国数理统计研究院院士、应用概率统计学家白志东教授。主要从事大维随机矩阵理论在机器学习及金融领域的应用研究。上述研究成果提出了一种改进的线性判别分析方法，即谱校正正则化LDA（SRLDA）分类方法。该方法结合了谱校正协方差矩阵和正则化判别分析的设计原理，并在高维随机矩阵理论的支持下，证明了SRLDA在Spiked模型假设下为全局最优线性分类器。根据模拟数据分析，SRLDA分类器与RLDA和ILDA相比表现出更好的性能，接近理论分类器。此外，在不同数据集上的实证分析进一步表明，SRLDA算法在分类准确率和降维方面均表现出色，优于目前使用的工具。
