您的位置:首页

详情

求索创新 不断超越——南京大学数学系副教授、2016年中国运筹学会青年科技奖获得者杨俊锋博士

2017-09-13

 

杨俊锋,博士,南京大学数学系副教授、硕士生导师。中国运筹学会数学规划分会青年理事,江苏省工业与应用数学学会理事,StatisticsOptimization and Information Computing杂志执行主编,美国数学会评论员。求学期间先后师从中国科学院袁亚湘院士、南京大学何炳生教授、美国莱斯大学Yin Zhang 教授。近年主要从事最优化计算方法及其应用研究,提出的全变差分裂法解决了长期以来ROF模型难以快速计算的难题,提出利用对偶交替方向法求解压缩感知等领域的非光滑优化问题,并编写算法软件包FTVd、YALL1等。先后主持承担了国家自然科学基金青年项目“压缩传感中循环测量的理论和方法”、国家自然科学基金面上项目“结构型优化及其在数据分析中的应用”等。2012 年入选新世纪优秀人才支持计划,2013 年获上海市运筹学会青年学者学术论坛论文一等奖,2016 年获中国运筹学会青年科技奖以及江苏省工业与应用数学青年奖。

图像处理领域ROF模型与传统的Tikhonov正则化模型相比,无论在理论上还是图像的实际恢复效果上,ROF模型都具有显著的优势。然而,ROF模型一直没有快速有效的求解方法,导致其难以被广泛应用。杨俊锋博士与莱斯大学的合作者提出一种全新的全变差算子分裂算法,使得ROF模型的求解速度有了数量级的提高,极大地拓宽了其应用范围。

压缩感知是近年来信号处理领域发展的新技术,压缩感知的一个重要阶段是基于L1-模优化的稀疏解码。杨俊锋博士与Yin Zhang教授设计了压缩感知中L1-模优化问题的原始对偶交替方向算法,算法优势在于计算速度快、适用范围广,可以求解8个相关模型,计算速度与针对各类模型特别定制的算法相比更为有效。

稀疏协方差逆矩阵估计问题是大数据分析的重要手段。杨俊锋博士与新加坡国立大学的合作者设计了一种与二阶导数信息相结合的邻近点算法,并将其用于稀疏协方差逆矩阵估计,算法优势在于精度高、速度快、数值稳定性好。

杨俊锋博士所取得的研究成果相继发表于SIAM J. Optimization (2篇)、SIAM J. ImagingSciences(4篇)、SIAM J. Scientific Computing(2篇)、Mathematics of Computation(1篇)和IEEE J. Selected Topics in Signal Processing (压缩感知特刊,1篇)等专业期刊。

作为运筹学研究方面具有一定影响力的青年学者,杨俊锋博士多次应邀参加国内外学术会议。2009年8月,应邀参加了由中国运筹学会数学规划分会在哈尔滨师范大学举办的“最优化及其应用暑期学校专题研讨会”并作大会专题报告,介绍了压缩感知的理论与方法;2009年8月底,在芝加哥国际数学规划研讨会的稀疏优化组作报告,介绍了压缩感知中求解L1模优化问题的原始对偶交替方向算法;2011年,在德国举办的SIAM优化年会上报告了稀疏协方差逆矩阵估计方面的工作;2012 年,在德国柏林国际数学规划研讨会上组织专题报告(主题为“变分图像处理——算法及应用”),介绍近期新研究成果。

杨俊锋博士立足学科发展前沿,结合新的理论发展动态教书育人,近年共指导硕士生5名。他在认真完成数学系运筹学课程教学工作的同时,抽出课余时间为本科生和研究生开设最优化计算方法短期课程,深受学生欢迎。