于剑，博士，教授，博士生导师。本科、硕士、博士均毕业于北京大学。现任交通数据分析与挖掘北京市重点实验室主任，北京交通大学计算机科学系主任, 中国计算机学会人工智能与模式识别专委会副主任兼秘书长，中国人工智能学会机器学习专委会副主任，Applied Intelligence, 《计算机学报》、《软件学报》、《计算机研究与发展》编委，数字出版技术国家重点实验室学术委员会委员，第十届霍英东青年教师基金获得者，2006年入选教育部新世纪优秀人才支持计划，主持多项国家自然科学基金项目、教育部重点项目等。主要研究兴趣为模式识别，机器学习、数据挖掘等。已经在国内外重要学术期刊发表相关学术论文60余篇，包括TPAMI, CVPR, TIP,TFS,TNN, TSMCB等。

    无论看到什么，人们都会自动将它们归类于某个概念。概念是认知科学的研究对象之一。人归类的本质是将建立概念与世界的某个对象的正确指称关系， 换句话来说，人能够归类的条件是人具有正确的概念语义。对于机器学习来说，归类是对对象能够正确辨识其所属的概念，即所谓的辨识技术，通常包括分类、聚类和数据降维技术。目前，文献中已经提出了众多的分类和聚类算法。这些算法的理论基础涉及面极广，包括概率论，信息论，图论，博弈论，模糊逻辑，矩阵论等等。文献中没有一种理论能够统一现有文献中重要分类聚类算法的理论。基于认知科学的概念语义研究结果，本次报告提出了一个统一的归类公理化体系，该理论建立了语义与辨识的关系，不仅可以将归类结果进行分类，同时也建立了设计归类方法的三条一般性原则，并据此理论研究了辨识问题。