·286· 智能系统学报 第11卷 [J].Proceedings of the IEEE,1998,8(11):2278- ceedings of the IEEE International Conference on Computer 2324. Vision and Pattern Recognition.Columbus,OH,USA, [21]KRIZHEVSKY A,SUTSKEVER I,HINTON G E.Ima- 2014:1867-1874. geNet classification with deep convolutional neural net- 作者简介： works[C]//Advances in Neural Information Processing 马晓，男，1990年生，博士研究生， Systems.Lake Tahoe,Nevada,USA,2012,25:2012. 主要研究方向为机器学习、模式识别和 [22]TAIGMAN Y,YANG M,RANZATO M A,et al.Deep- 子空间理论。 face:Closing the gap to human-level performance in face verification[C]//Proceedings of the IEEE International Conference on Computer Vision and Pattern Recognition. Columbus,0H,USA,2014:1701-1708. [23]SUN Y,WANG X,TANG X.Deeply learned face repre- 张番栋，男，1991年生，博士研究 生，主要研究方向为机器学习和生物特 sentations are sparse,selective,and robust[J].arXiv: 征识别。 1412.1265,2014. [24]SZEGEDY C.LIU W,JIA Y,ET AL.Going deeper with convolutions[J].arXiv:1409.4842,2014. [25]SCHROFF F,KALENICHENKO D,PHILBIN J.FaceNet: 封举富，男，1967年生，教授，博士 A unified embedding for face recognition and clustering 生导师，博士，主要研究方向为图像处 [J].arXiv preprint arXiv:1503.03832,2015. [26]YI D,LEI Z,LIAO S,ET AL.Learning face representa- 理、模式识别、机器学习和生物特征识 别。主持参与国家自然科学基金、“十 tion from scratch []]arXiv preprint arXiv:1411.7923. 一五”国家科技支撑计划课题、973计 2014. 划等多项项目。曾获中国高校科技二等 [27]V.KAZEMI AND J.SULLIVAN.One millisecond face a- 奖等多项奖励。 lignment with an ensemble of regression trees[C]//Pro- 2016第八届智能人机系统与控制论国际会议 2016 8th International Conference on Intelligent Human-Machine Systems and Cybernetics As a continuation of IHMSC 2009 to IHMSC 2015,which were held successfully in Hangzhou,Nanjing,and Nanchang etc.,the 8th International Conference on Intelligent Human-Machine Systems and Cybernetics (IHMSC 2016)will take place at Zhejiang University in Hangzhou,China,between 27-28 August,2016.The aim of this conference is to provide a forum for exchanges of research results,ideas for and experience of application among researchers and practitioners involved with all aspects of Human-Machine Systems and Cybernet- ics. Human-Machine Systems: 1)Agents and agent-based systems; 15)Human-machine interfaces; 2)Artificial Immune Systems: 16)Human-robot interaction: 3)Artificial Life; 17)Unmanned systems; 4)Biologically inspired systems; 18)Image Processing; 5)Bioinformatics/Collective robotics; 19)Pattern Recognition; 6)Computational Intelligence; 20)Intelligent systems; 7)Cybernetics for Informatics; 21)Interactive and Digital Media; 8)Decentralized systems; 22)Interactive Design; 9)Distributed systems; 23)Intelligent Internet Systems; 10)Embedded intelligence; 24)Kansei (sense/emotion)Engineering; 11)Evolutionary robotics; 25)Knowledge Discovery and Data Mining; 12)Fuzzy Systems and Their applications; 26)Machine Learning; 13)Genetic and evolutionary computation; 27)Machine Vision. 14)Heuristic Algorithms; Website:http://ihmsc.zju.edu.cn/［Ｊ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ， １９９８， ８６ （ １１）： ２２７８⁃ ２３２４． ［２１］ ＫＲＩＺＨＥＶＳＫＹ Ａ， ＳＵＴＳＫＥＶＥＲ Ｉ， ＨＩＮＴＯＮ Ｇ Ｅ． Ｉｍａ⁃ ｇｅＮｅｔ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｗｉｔｈ ｄｅｅｐ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔ⁃ ｗｏｒｋｓ［ Ｃ］ ／ ／ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ．Ｌａｋｅ Ｔａｈｏｅ， Ｎｅｖａｄａ， ＵＳＡ， ２０１２， ２５：２０１２． ［２２］ＴＡＩＧＭＡＮ Ｙ， ＹＡＮＧ Ｍ， ＲＡＮＺＡＴＯ Ｍ Ａ， ｅｔ ａｌ． Ｄｅｅｐ⁃ ｆａｃｅ： Ｃｌｏｓｉｎｇ ｔｈｅ ｇａｐ ｔｏ ｈｕｍａｎ⁃ｌｅｖｅｌ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｆａｃｅ ｖｅｒｉｆｉｃａｔｉｏｎ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｃｏｌｕｍｂｕｓ， ＯＨ， ＵＳＡ， ２０１４： １７０１⁃１７０８． ［２３］ＳＵＮ Ｙ， ＷＡＮＧ Ｘ， ＴＡＮＧ Ｘ． Ｄｅｅｐｌｙ ｌｅａｒｎｅｄ ｆａｃｅ ｒｅｐｒｅ⁃ ｓｅｎｔａｔｉｏｎｓ ａｒｅ ｓｐａｒｓｅ， ｓｅｌｅｃｔｉｖｅ， ａｎｄ ｒｏｂｕｓｔ ［ Ｊ］． ａｒＸｉｖ： １４１２．１２６５， ２０１４． ［２４］ＳＺＥＧＥＤＹ Ｃ， ＬＩＵ Ｗ， ＪＩＡ Ｙ， ＥＴ ＡＬ． Ｇｏｉｎｇ ｄｅｅｐｅｒ ｗｉｔｈ ｃｏｎｖｏｌｕｔｉｏｎｓ［Ｊ］． ａｒＸｉｖ： １４０９．４８４２， ２０１４． ［２５］ＳＣＨＲＯＦＦ Ｆ， ＫＡＬＥＮＩＣＨＥＮＫＯ Ｄ， ＰＨＩＬＢＩＮ Ｊ． ＦａｃｅＮｅｔ： Ａ ｕｎｉｆｉｅｄ ｅｍｂｅｄｄｉｎｇ ｆｏｒ ｆａｃｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｎｄ ｃｌｕｓｔｅｒｉｎｇ ［Ｊ］． ａｒＸｉｖ ｐｒｅｐｒｉｎｔ ａｒＸｉｖ：１５０３．０３８３２， ２０１５． ［２６］ＹＩ Ｄ， ＬＥＩ Ｚ， ＬＩＡＯ Ｓ， ＥＴ ＡＬ． Ｌｅａｒｎｉｎｇ ｆａｃｅ ｒｅｐｒｅｓｅｎｔａ⁃ ｔｉｏｎ ｆｒｏｍ ｓｃｒａｔｃｈ ［ Ｊ］． ａｒＸｉｖ ｐｒｅｐｒｉｎｔ ａｒＸｉｖ： １４１１． ７９２３． ２０１４． ［２７］Ｖ． ＫＡＺＥＭＩ ＡＮＤ Ｊ． ＳＵＬＬＩＶＡＮ． Ｏｎｅ ｍｉｌｌｉｓｅｃｏｎｄ ｆａｃｅ ａ⁃ ｌｉｇｎｍｅｎｔ ｗｉｔｈ ａｎ ｅｎｓｅｍｂｌｅ ｏｆ ｒｅｇｒｅｓｓｉｏｎ ｔｒｅｅｓ［Ｃ］ ／ ／ Ｐｒｏ⁃ ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｃｏｌｕｍｂｕｓ， ＯＨ， ＵＳＡ， ２０１４：１８６７⁃１８７４． 作者简介： 马晓，男，１９９０ 年生，博士研究生， 主要研究方向为机器学习、模式识别和 子空间理论。 张番栋，男，１９９１ 年生，博士研究 生，主要研究方向为机器学习和生物特 征识别。 封举富，男，１９６７ 年生，教授，博士 生导师，博士，主要研究方向为图像处 理、模式识别、机器学习和生物特征识 别。 主持参与国家自然科学基金、 “十 一五”国家科技支撑计划课题、 ９７３ 计 划等多项项目。 曾获中国高校科技二等 ２０１６ 第八届智能人机系统与控制论国际会议 ２０１６ ８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｈｕｍａｎ⁃Ｍａｃｈｉｎｅ Ｓｙｓｔｅｍｓ ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ Ａｓ ａ ｃｏｎｔｉｎｕａｔｉｏｎ ｏｆ ＩＨＭＳＣ ２００９ ｔｏ ＩＨＭＳＣ ２０１５， ｗｈｉｃｈ ｗｅｒｅ ｈｅｌｄ ｓｕｃｃｅｓｓｆｕｌｌｙ ｉｎ Ｈａｎｇｚｈｏｕ， Ｎａｎｊｉｎｇ， ａｎｄ Ｎａｎｃｈａｎｇ ｅｔｃ．， ｔｈｅ ８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｈｕｍａｎ⁃Ｍａｃｈｉｎｅ Ｓｙｓｔｅｍｓ ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ （ＩＨＭＳＣ ２０１６） ｗｉｌｌ ｔａｋｅ ｐｌａｃｅ ａｔ Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｉｎ Ｈａｎｇｚｈｏｕ， Ｃｈｉｎａ， ｂｅｔｗｅｅｎ ２７⁃２８ Ａｕｇｕｓｔ， ２０１６． Ｔｈｅ ａｉｍ ｏｆ ｔｈｉｓ ｃｏｎｆｅｒｅｎｃｅ ｉｓ ｔｏ ｐｒｏｖｉｄｅ ａ ｆｏｒｕｍ ｆｏｒ ｅｘｃｈａｎｇｅｓ ｏｆ ｒｅｓｅａｒｃｈ ｒｅｓｕｌｔｓ， ｉｄｅａｓ ｆｏｒ ａｎｄ ｅｘｐｅｒｉｅｎｃｅ ｏｆ ａｐｐｌｉｃａｔｉｏｎ ａｍｏｎｇ ｒｅｓｅａｒｃｈｅｒｓ ａｎｄ ｐｒａｃｔｉｔｉｏｎｅｒｓ ｉｎｖｏｌｖｅｄ ｗｉｔｈ ａｌｌ ａｓｐｅｃｔｓ ｏｆ Ｈｕｍａｎ⁃Ｍａｃｈｉｎｅ Ｓｙｓｔｅｍｓ ａｎｄ Ｃｙｂｅｒｎｅｔ⁃ ｉｃｓ． Ｈｕｍａｎ⁃Ｍａｃｈｉｎｅ Ｓｙｓｔｅｍｓ： １）Ａｇｅｎｔｓ ａｎｄ ａｇｅｎｔ⁃ｂａｓｅｄ ｓｙｓｔｅｍｓ； ２）Ａｒｔｉｆｉｃｉａｌ Ｉｍｍｕｎｅ Ｓｙｓｔｅｍｓ； ３）Ａｒｔｉｆｉｃｉａｌ Ｌｉｆｅ； ４）Ｂｉｏｌｏｇｉｃａｌｌｙ ｉｎｓｐｉｒｅｄ ｓｙｓｔｅｍｓ； ５）Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ／ Ｃｏｌｌｅｃｔｉｖｅ ｒｏｂｏｔｉｃｓ； ６）Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ； ７）Ｃｙｂｅｒｎｅｔｉｃｓ ｆｏｒ Ｉｎｆｏｒｍａｔｉｃｓ； ８）Ｄｅｃｅｎｔｒａｌｉｚｅｄ ｓｙｓｔｅｍｓ； ９）Ｄｉｓｔｒｉｂｕｔｅｄ ｓｙｓｔｅｍｓ； １０）Ｅｍｂｅｄｄｅｄ ｉｎｔｅｌｌｉｇｅｎｃｅ； １１）Ｅｖｏｌｕｔｉｏｎａｒｙ ｒｏｂｏｔｉｃｓ； １２）Ｆｕｚｚｙ Ｓｙｓｔｅｍｓ ａｎｄ Ｔｈｅｉｒ ａｐｐｌｉｃａｔｉｏｎｓ； １３）Ｇｅｎｅｔｉｃ ａｎｄ ｅｖｏｌｕｔｉｏｎａｒｙ ｃｏｍｐｕｔａｔｉｏｎ； １４）Ｈｅｕｒｉｓｔｉｃ Ａｌｇｏｒｉｔｈｍｓ； １５）Ｈｕｍａｎ⁃ｍａｃｈｉｎｅ ｉｎｔｅｒｆａｃｅｓ； １６）Ｈｕｍａｎ⁃ｒｏｂｏｔ ｉｎｔｅｒａｃｔｉｏｎ； １７）Ｕｎｍａｎｎｅｄ ｓｙｓｔｅｍｓ； １８）Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ； １９）Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ； ２０）Ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ； ２１）Ｉｎｔｅｒａｃｔｉｖｅ ａｎｄ Ｄｉｇｉｔａｌ Ｍｅｄｉａ； ２２）Ｉｎｔｅｒａｃｔｉｖｅ Ｄｅｓｉｇｎ； ２３）Ｉｎｔｅｌｌｉｇｅｎｔ Ｉｎｔｅｒｎｅｔ Ｓｙｓｔｅｍｓ； ２４）Ｋａｎｓｅｉ （ｓｅｎｓｅ ／ ｅｍｏｔｉｏｎ） Ｅｎｇｉｎｅｅｒｉｎｇ； ２５）Ｋｎｏｗｌｅｄｇｅ Ｄｉｓｃｏｖｅｒｙ ａｎｄ Ｄａｔａ Ｍｉｎｉｎｇ； ２６）Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ； ２７）Ｍａｃｈｉｎｅ Ｖｉｓｉｏｎ． Ｗｅｂｓｉｔｅ： ｈｔｔｐ：／ ／ ｉｈｍｓｃ．ｚｊｕ．ｅｄｕ．ｃｎ ／ ·２８６· 智 能 系 统 学 报 第 １１ 卷 奖等多项奖励