国家自然奖二等奖：基于不充分信息的机器学习

在教育部的大力推动下，智能化已然成为信息科学技术发展的主流趋势之一。为了实现这一宏伟目标，一群杰出的科研工作者共同为此付出了巨大的努力。他们分别是周志华（南京大学）、陈松灿（南京航空航天大学）、张敏灵（南京大学）、黎铭（南京大学）以及谭晓阳（南京航空航天大学）。

这支团队勇敢面对信息不充分的问题，深入采样、标记、关系、目标类等各方面的不足。他们创造性地通过挖掘数据分布信息、利用未标记数据、借助邻域关系及度量学习以及利用非目标类数据等方法展开研究。在此基础上，团队建立了多学习器集成的理论和方法、协同训练理论与方法以及不平衡样本集的学习理论与方法。

经过不懈努力，这些理论和方法在标准测试集上通过了严格的测试，表现出极高的可行性。并且，团队将研究成果成功应用于医疗诊断、刑事侦查等领域，充分展示了该项目的完整体系以及在实际应用中的价值。这一项目不仅推动了基于不充分信息的问题的研究，还具有极其重要的学术意义及实际应用价值。

值得一提的是，该团队的主要论文发表在国外著名期刊上，且影响因子较高，学术观点和想法得到了学术界的广泛认可。他们还获得了6项发明专利授权，研制的系统成功应用于国际电信公司用户分析，并在PAKDD国际数据挖掘竞赛中两次夺冠。他们的成果还获得了“Most Cited Article”等国际论文奖4项，两次获得教育部自然科学一等奖。

该团队的影响力不仅限于学术领域，他们还多次应邀在国际学术会议上发表特邀报告，共计23次，其中上旨报告达16次。在人才培养方面，他们培养了中国计算机学会优博5篇，7名博士生荣获微软学者奖。团队的第一完成人更是入选IEEE和IAPR Fello，并担任12种SCI(E)期刊的副主编或编委，充分展示了其在学术界的卓越地位。

这支团队的杰出成就不仅是对智能化领域的重要贡献，更是对中国乃至全球信息科学技术发展的巨大推动。他们的努力和成果值得我们深入学习和广泛推广。