2026年1月28日，我院赵要风、杜旭光、张然团队联合中科奥格公司潘登科团队在PNAS在线发表题为“FcγRIIB functions as an IgG transporter in the mammary gland”的研究论文。该研究通过构建一系列基因修饰动物模型并结合体外功能验证试验，首次揭示FcγRIIB是哺乳动物乳腺IgG转运受体。
日，信电学院冯建英副教授课题组在计算机领域权威期刊 Information Fusion上围绕多视图学*发表研究论文Hierarchical cross-module knowledge transfer based on structural multi-view least squares support vector classification。 - y6 _' v6 S+ ^! ~ z数据来源和获取方法的日益多样化使得单个对象可以由多组特征进行表示，每组特征分别源自不同的视图/视角，包括可能来自多个传感器、多模态数据表征形式等。多视图数据通常表现出多来源、多模态、异质性和高维等特征，导致传统的机器学*模型难以有效处理该类数据。为解决以上问题，多视图学*（Multi-view learning，MVL)）被提出并逐渐成为一种强大的范式，通过高效整合和利用来自多个视图的信息，实现对潜在对象更全面的理解。但一般多视图学*模型存在依赖成对视图比较、难以捕捉复杂视图间关系以及计算成本高等问题，基于此，该研究提出一种基于分层迁移的结构化多视图最小二乘支持向量分类方法（HT-SMLSSVC）。1 B0 K% z3 T5 V, m8 r' o# C
该研究创新点主要在于：将深度堆叠架构的理念融入多视角学*，并创造性地借助迁移学*来构建这一深度架构，从而显著提升了解决复杂问题的能力。在每一层通过加权策略和聚类实现互补性与一致性原则，并构建结构正则项以增强类内聚合性和类间可分性；不同于传统方法采用成对视图对比，HT-SMLSSVC通过各视图为彼此提供互补的结构信息来丰富分类器多样性，避免了成对比较机制；采用最小二乘损失，将超平面求解转化为线性方程组而非标准二次规划问题，同时通过随机超参数分配与自适应验证实现高效学*，显著降低训练时间。
楼主