一、研究人员

       李文烨

二、研究内容

       针对常见的机器学习任务，研究缺失数据处理的模型和方法

三、应用领域

       支持向量机、最近邻分类等经典机器学习算法

四、研究成果

       发现了缺失数据处理与子空间交替投影（von Neumann投影）和凸集交替投影（Dykstra算法）之间的关联，并据此建立了缺失数据处理模型。

       与经典的数据补全方法相比，所建立的缺失数据处理模型，具有更强的、确定的理论保证和实际性能提高。同时针对该模型，开发了适合大数据处理的高效并行算法。

五、代表性论著：

        Large-scale RLSC Learning Without Agony (ICML’2007, 早期工作)

        Estimating Jaccard Index with Missing Observations: A Matrix Calibration Approach (NIPS’2015, 早期工作)

        Scalable Calibration of Affinity Matrices from Incomplete Observations (ACML’2020)