百姓车联苏锦华论文获国际顶级会议UbiComp收录

日前，百姓车联算法工程师苏锦华的研究成果获得普适计算领域的国际顶级会议UbiComp的认可，论文被收录到今年9月25日举行的UbiComp 2021会议中。

据了解， UbiComp每年都会在全球范围内举办手机传感器数据的相关比赛，2021年的比赛是由华为与Sussex大学承办，主题为场景识别，比赛面向全球技术人员，组织方向参赛者提供三组手机传感器数据，选手根据数据集，通过算法模型，确定每组数据采集者所处的运动状态。

今年比赛与往年有很大不同，一方面识别的场景类别多，但各个场景类别的样本数出现不均衡；另一方面训练集的数据与测试集中的数据是不同用户的数据，会出现训练与实际预测场景下数据分布的不一致性的问题，导致训练模型容易缺乏泛化能力，影响判别的精准度。

苏锦华另辟蹊径，采用一种集成方案来解决这两大问题。一方面，选择OvO集成方式(One v.s. One)将多分类问题拆解为多个二分类问题，能缓解多类别不平衡的问题，可以解决在多类别数据不平衡场景下两个类别间的决策边界会因平均效应(average effect)而变得次优（sub-optimal）的问题，这是由剩余类别集合（One v.s. Rest）的多模态属性(multi-modal)导致的；另一方面，通过以一类别分类（One-class classification， 常见的如One-class SVM）来判断二分类元学习器的置信边界，在OvO集成投票中，以一分类置信值来对投票进行重赋权(Re-Weighting)。这种做法可以使得模型在对于分布异常的数据(Out-lier)进行较为保守的估计，以解决训练集和测试集的数据分布不一致的问题。

经过两个多月的准备，这一研究成果凭借其新颖性和可扩展性获得了国际顶级会议UbiComp的认可，目前UbiComp已经收录苏锦华的论文。论文获得UbiComp收录，既是对苏锦华个人技术能力的认可，也是对百姓车联研发实力的认可。

UbiComp是国际计算机界普适计算领域公认具有最高学术地位的顶级会议，由美国计算机协会 (ACM) 人机交互特别兴趣委员会(SIGCHI) 发起，每年一届。会议的目的是在全球范围内为普适计算领域的研究者、开发者、企业以及用户提供一个探索最新学术思想和研究方法、交流开发技巧、工具以及经验的平台，引导和促进普适计算学科的发展。

据了解，此次比赛的内容与百姓车联旗下的“危险驾驶行为AI智能识别系统”高度匹配，百姓车联凭借在数据科学和传感器技术的实力，能够有效识别司机在驾驶行为过程中的各种危险动作，目前在该领域，百姓车联在识别准确性、召回率等方面处于行业领先水平。