利用数据类别间层次结构关系进行分类学习任务广泛存在于疾病归类、图像标注、文本分类等领域。然而，分层分类学习面临着特征维度高、类别长尾分布、子类标注不充分、以及属性与决策间关联可解释差等挑战。近期，该团队针对上述挑战逐步展开研究，在CCF A类，SCI一区等期刊录用发表了多篇论文。这些成果的发表可有效用于分析传染病毒的预测与关联学习、中小学课业大数据分析等应用领域。

该研究受国家自然科学基金面上项目、国家自然科学基金专项项目、福建省自然科学基金重点项目等资助。近2年录用发表部分代表性论文如下：
[1] Yaojin Lin（通讯作者）, Haoyang Liu, Hong Zhao, Qinghua Hu, Xingquan Zhu, Xindong Wu. Hierarchical feature selection based on label distribution learning. IEEE Transactions on Knowledge and Data Engineering, Accepted. （CCF A类期刊）
[2] Yaojin Lin（通讯作者）, Qinghua Hu, Jinghua Liu, Xingquan Zhu, Xindong Wu. MULFE: Multi-label learning via label-specific feature space ensemble. ACM Transactions on Knowledge Discovery from Data, 16(1): 5:1-5:24 (2022). （机器学习与数据挖掘领域顶级期刊）
[3] Jinkun Chen, Yaojin Lin（通讯作者）, Jusheng Mi, Shaozi Li, Weiping Ding. A spectral feature selection approach with kernelized fuzzy rough sets. IEEE Transactions on Fuzzy Systems.  https://doi.org/10.1109/TFUZZ.2021.3096212. （SCI一区期刊）
[4] 林耀进（通讯作者）,白盛兴,赵红,李绍滋,胡清华.基于标签关联性的分层分类共有与固有特征选择.软件学报,2021,已录用. （CCF A类期刊）
[5] 刘浩阳,林耀进（通讯作者）,刘景华,吴镒潾,毛煜,李绍滋.由粗到细的分层特征选择.电子学报,2021, DOI: 10.12263/DZXB.20211263（CCF A类期刊）
[6] Hong Zhao（通讯作者）, Shunxin Guo, Yaojin Lin. Hierarchical classification of data with long-tailed distributions via global and local granulation. Information Sciences, 581:536-552 (2021). （机器学习与数据挖掘领域重要期刊）

（文：黄慧 图：黄慧）