1月13日下午，应数学与信息科学学院邀请，旧金山州立大学（美国）李世东教授为学院师生作题为“Discovering undiscovered: Effective sparsity selection through tail shrinkage and energy localization”的报告，相关专业教师和硕士研究生30余人参加此次研讨会。

李世东教授介绍了通过尾部收缩和能量局部化增强稀疏性技术的有效性理论和应用。该技术比现存最先进技术具备更强的重构能力。这些理论包括充要的尾部NSP性质等。它们都表明比现有最先进技术具有更大的重构能力。他介绍将该技术应用于癌症数据时，通过最流行的方法可以发现一个基因因素；将其应用于网格或非网格频谱估计，能够揭示出隐藏的频率；将其应用于AI学习算法，还能够获得更准确的训练和验证结果。

报告结束后，李世东教授对师生提出的相关问题进行了细致地解答，师生们受益匪浅。

专家简介：

李世东，男,博士,教授，1985年在中国科学院电子所获电气工程硕士；1985-1987年曾任中国科学院研究生院信息学院讲师；1989年及1993年在美国University of Maryland获应用数学硕士和博士学位；1993-1994年就职于美国常青藤联校之一的Dartmouth College，任客座(助)教授；1994-1996年就职于University of Maryland, College Park，任客座(助)教授；1996至今，就职于美国San Francisco State University数学系，并于2000年获终身教职任副教授，2005年升任终身正教授。科研方向包括：框架理论及其应用、稀疏信号处理理论及其应用。李教授首创了框架多尺度分析理论，他亦率先在世界上刻划了框架分解的最一般的形式，并推导了偶框架的一般表达式。他还与合作者(P. Cassaza and G. Kutyniok)提出融合框架理论，该理论不但能够刻画一般传感器网络系统，而且可以简化大而难的大网络融合问题。他还提出并构造了多窗型Gabor分解理论以便多频信号分析的自适应性及改善时频信号分析的分辨率。李教授已连续二十多年获美国国家自然科学基金的资助，并且拥有多项国际专利。

（数学与信息科学学院 李海锋 魏晓君）