2023年3月13日，国家自然基金委信息科学部信息二处召开了国家自然科学基金重点项目结题验收会。我院陈松灿教授主持的国家自然科学基金重点项目“面向大数据机器学习的不确定性建模及应用研究（61732006）”顺利通过验收，并获评“优秀”等级。

大数据机器学习在数据原料、算法设计及优化求解等不同层次存在多种不确定性，给传统方法带来严重挑战。在该项目资助下，陈松灿课题组利用机器学习、随机优化、分布式计算等方面的最新研究成果，开展了针对不可靠数据的学习原料提炼、面向动态多变环境的学习算法设计、针对大规模复杂问题的优化求解和面向脑疾病大数据的应用等研究。在大数据机器学习不确定性建模的技术和方法上取得一系列创新成果，并基于以上研究成果显著提升了对脑疾病的分类和预测表现。

在不确定性建模上，尝试建立了第一个面向多标记类条件噪声（CCMN）的通用学习框架，据此发展出了两个具有理论保证的CCMN无偏估计器，证明了两者与常用多标记损失函数的相容性。相关工作发表于 IEEE Trans.Pattern Analysis and Machine Intelligence (TPAMI)。而针对现实世界中广泛存在的开集识别问题和相关解决方案进行了系统性分析和综述，该工作涵盖了相关定义、模型表征、数据集、评估准则、算法比较和数据集等诸多方面，提出了相对开集等新概念，给出了一系列前瞻性展望，启发了后续研究。相关工作2021年发表于 TPAMI，谷歌他引已超430次。

在应用上，通过基于不确定性的多模态数据融合分析，探索了精神分裂症相关的大脑功能和结构共变模式，揭示了遗传风险相关的多模态异常神经机制，并在多中心数据上验证了该模式对相关脑疾病诊断和预测的能力。相关工作2022年发表于 《自然•通讯》（Nature Communications）杂志。另外，研发的开源主动学习系统AliPy集成了多种主动学习算法和应用设置，使用户可方便地评估、比较和分析主动学习方法的性能。在国际开源社区GitHub名列同主题项目前茅。

从2018年1月项目启动到2022年12月，项目组发表论文130余篇，其中CCF A类30余篇，在相关领域内产生了一定影响。所发表论文被广泛引用，目前已被他引2500余次，多个工作被评价为“state-of-the-art”团队成员入选国家级人才3人次。张道强入选国家万人计划科技创新领军人才，黄圣君入选国家优青，黄飞虎入选国家高层次青年人才。陈松灿和张道强入选 IAPR Fellow，陈松灿入选CAAI Fellow。团队成员获国家自然科学2等奖1项，省部级科技奖3项，MICCAI 青年科学家奖2项，全国博士后创新创业大赛银奖1项。指导学生获江苏省优博学位论文2篇，江苏省优硕学位论文4篇。