近日，我校海外引进人才团队吴宁博士、胡利蕊教授开展的基于Kullback-Leibler散度的非线性非负矩阵分解用于模式识别的研究取得了突破性进展，该成果论文（Feature Nonlinear Transformation Non-negative Matrix Factorization with Kullback-Leibler Divergence）于7月30日在《Pattern Recognition》期刊网站在线首发。胡利蕊教授和吴宁博士为共同第一作者和共同通讯作者，北部湾大学为第一署名单位，第三作者李潇为联合培养研究生。
《Pattern Recognition》是计算机模式识别领域的国际顶级期刊之一，被SCI中科院一区收录，2021年的影响因子为8.518，在全球机器学习与模式识别领域具有很高的影响力。该研究成果提出一种改进的非负矩阵分解方法，该方法利用一个非线性变换作用在大数据的特征矩阵上，构建非线性非负矩阵分解模型，并构建了基于Frobenius范数和Kullback-Leibler散度的目标函数，利用泰勒展开式和牛顿求根公式，获得基矩阵和特征矩阵的迭代更新规则。论文在理论上证明了该算法的收敛性，并用实验来证明了该方法能够更好地获得数据的非线性特征，在模式识别应用中得到了更高的识别率。
吴宁博士团队主要从事模式识别和机器学习理论及人工智能相关应用的研究，近年来在国际权威期刊上发表学术论文30多篇。此次研究成果的发表标志着电信学院在发表研究论文上取得新的突破，同时也为今后开展人工智能学术研究、课程建设提供良好借鉴。
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0031320322003879。
