【大数据学院讯】为进一步拓宽师生学术视野，追踪统计机器学习领域前沿动态，2026年6月30日上午，江西服装学院第471期博雅讲坛在图书馆三楼视听厅成功举办。本次讲坛由大数据学院承办，特邀北京航空航天大学二级教授、博士生导师陈迪荣教授莅临，作题为《正则化拉普拉斯特征映射及其泛化性能》的学术报告。讲座由大数据学院院长徐照兴教授主持，学院全体教师到场聆听。

陈迪荣教授是国内小波分析、统计机器学习方向的领军人物之一，曾获教育部自然科学二等奖。他在函数逼近论、小波分析和统计机器学习等方向取得多项国际领先成果，包括部分肯定n宽度猜想、构造小波框架包、建立图Laplace及随机投影等算法的第一个学习率、填补函数型ReLU网络逼近理论空白等。发表SCI论文90篇（含领域顶刊14篇及著名期刊60篇）。主持国家自然科学基金8项、国家“863”课题2项，参加“973”项目并主持理论模型子课题，主持航天应用数学基金为飞行器材料损伤监测提供可行方案。陈教授被誉为"北航数学学科奠基人之一，统计学科创始人之一"，曾任北航理学院数学系主任（两届）和武汉纺织大学数学与计算机学院院长，获北航立德树人卓越奖及北京市教学一等奖，培养博士生22人、硕士生27人。

讲座中，陈迪荣教授从高维数据降维的核心问题切入，系统阐述了正则化拉普拉斯特征映射（Regularized Laplacian Eigenmaps, RLEM）的理论框架。他指出，随着大数据时代的到来，如何从高维复杂数据中提取有效的低维表示，是机器学习与数据分析领域的核心挑战之一。拉普拉斯特征映射作为一种经典的流形学习方法，能够有效保持数据的局部几何结构，但在实际应用中面临过拟合与泛化能力不足等问题。正则化拉普拉斯特征映射通过在目标函数中引入适当的正则化项，在保持数据流形结构的同时提升模型的泛化性能，是正则化谱聚类方法的重要推广。

为了让师生更直观地理解该算法的实际应用，陈教授结合服装定型分类问题进行了举例讲解。他展示了如何将服装的面料纹理、版型尺寸、色彩分布等多维特征数据作为输入，通过正则化拉普拉斯特征映射进行降维处理，在保留关键分类信息的同时去除冗余噪声，从而实现对不同服装款型的有效识别与分类。这一贴近学校专业特色的应用案例，让抽象的理论算法变得生动可感，引发了在场师生的浓厚兴趣。陈教授还结合自身团队的最新研究成果，从算法设计、理论分析到实际应用，为师生呈现了该方向从理论到实践的完整图景，内容兼具学术深度与应用价值。

此次讲座内容丰富、逻辑严谨，既有前沿理论的高度，又有实际应用的深度，为学院师生在统计机器学习与高维数据分析领域的学术研究提供了新的思路与方法。大数据学院院长徐照兴教授表示，本次博雅讲坛是学院提升科研育人质量、营造浓厚学术氛围的重要举措，未来将持续邀请国内外知名学者开展学术交流活动，为师生搭建更高水平的学术成长平台，助力学校科研事业高质量发展。