［本站讯］10月31日，台湾清华大学祁忠勇教授受邀在信息学院作了题为“Detection of Sources in Non-negative Blind Source Separation by Minimum Description Length Criterion”的学术报告。

虽然在科学和工程领域发现了许多非负盲源成功分离的应用，但模型阶数选择以及确定源的数量仍是尚未解决的关键问题，方案的局限性在于模型假设条件、主观经验等。报告中，祁忠勇教授基于最小描述长度原则，提出了一种新的修正模型阶数选择准则，采用广泛引用的假设来实现独特的解决方案，将混合矩阵看作是由确定性的未知因素组成的，其中的源信号遵循一个多变量的狄利克雷分布，并且推出了一种计算效率高的随机算法，以获得模型参数的近似极大似然估计，应用蒙特卡罗积分来确定描述长度。该准则通过广泛的模拟研究和四个真实数据集来验证提出的标准，展示了算法准确的性能和普遍适用性。在所有的案例研究中，提出的算法能够有效检测出源的真实数量。报告吸引了相关专业的教师、研究生以及驻济高校师生前来学习。报告结束后，祁忠勇教授一一回答了现场师生的提问。

祁忠勇教授于1983年在南加州大学获得电气工程博士学位；1983年至1988年，在美国加州的喷气推进实验室工作；1989年回到中国台湾，先后在台湾清华大学的电子工程学院和通信工程学院担任教授，2002年至2005年兼任通信工程研究所所长一职。研究方向主要集中在无线通信中的信号处理、盲源分离中的凸分析和优化、生物和高光谱图像分析。他已在相关领域发表了220多篇专业论文，被引用3800多次，其中包括80多篇期刊论文，且大多发表在IEEE Trans. Signal Processing上。