个人简介

蔺宏伟，博士，浙江大学数学科学学院教授，博士生导师。1996年于浙江大学应用数学系获学士学位，后在国企工作三年，2004年于浙江大学数学系获博士学位。主持或参与国家自然科学基金、重点研发计划等项目若干项。近年来，从事计算机辅助几何设计、计算机辅助拓扑设计、量子图形学等方面的研究工作，发表或录用论文100 余篇。曾获得陆增镛CAD&CG 高科技一等奖、国家自然科学奖二等奖等学术荣誉。

个人简介

邓重阳，博士、教授、博导。1997 年于吉林大学数学系获学士学位，1997年至2003年在杭州第四中学任教，2008年于浙江大学数学系获博士学位。2008年至今在杭州电子科技大学理学院任教。主要研究方向为数值逼近与计算几何、计算机辅助几何设计与图形学等。主持国家自然科学基金4项，在ACM TOG，CGF，CAD，CAGD 上发表论文 20余篇，获浙江省自然科学三等奖1 项。

报告题目：几何迭代法在数字图像处理中的应用

报告摘要：自然场景是一个连续的曲面，也称为理想曲面，图像可以看作是一个来自于现实表面的离散数据点集，能够通过sinc核函数获得。与传统方法相比，几何迭代法(迭代逼近PIA)，具有明确的几何意义，通过迭代调整曲线或曲面的控制点，使有限的曲线或曲面对给定的数据点集进行插值。换句话说，几何迭代法可以通过一系列的有理函数来逼近sinc核函数，最终无限逼近理想曲面。本报告主要探讨几何迭代法在图像处理中的一些应用。

个人简介：包芳勋，理学博士，山东大学教授，博士生导师，山东大学数学学院应用数学所所长。主持国家自然科学基金面上项目3项、承担科技部国家重点研发计划“数学与应用数学”专项课题1项。近几年来，以数学、统计学的理论和思想方法为基础，以服务于实际应用为导向，主要从事医学图像处理、深度学习、数据分析与可视化等关键技术研究。研究成果发表在IEEE TIP、IEEE TMM、IEEE TCSVT、CAGD、KBS等国际重要学术期刊。

报告题目：B样条曲线曲面逼近的牛顿几何选代法

报告摘要：本报告提出一种渐近迭代的B样条曲线和曲面近方法，该方法结合了基于牛顿迭代法的参数修正策略。现有的几何逼近(GA)方法中也使用参数修正来提高逼近质量，但其计算效率较低。本报告的方法将控制点更新和参数修正在一个逐步迭代的过程中统一起来，并采用一步式的参数修正策略。本报告提供了该算法收敛性的理论证明，表明其在计算效率方面相较于现有几何迭代逼近方法具有优势。

个人简介：伯彭波，教授，博士生导师，山东大学计算机专业本科和研究生，香港大学计算机科学系博士，香港大学和阿卜杜拉国王科技大学博士后。研究兴趣包括计算机图形学、计算机辅助设计、医学图像处理等。承担国家重点研发计划项目课题、国家自然科学基金重点类项目课题、国家自然科学基金面上项目等研究课题。获得2017年度Gaheon Award学术奖和SPM 2020 最佳论文奖。

报告题目：渐进迭代逼近法加速方法

报告摘要：渐进迭代逼近法广泛应用于数据插值(拟合)边令贝地，，规模可题中仔任瓶钡。为此本报告介绍几种加速策略，包括:1.预处理加速方法，通过预处理改善条件数;2.基于矩阵分裂的选代方法，如Jacobi-PIA 与交替迭代逼近法;3.Chebyshev加速的最小二乘渐进迭代法;4.带动量项的最小二乘渐进迭代法。这些方法显著提高了渐进迭代逼近法的计算效率和实用性，为大规模问题的求解提供了高效的工具。

个人简介：刘成志，博士，副教授，中国工业与应用数学学会 GDC 专委会委员。其研究领域主要涵盖数值代数、数值逼近与计算几何。主持国家自然科学基金青年项目1项，湖南省自然科学基金项目2 项，湖南省教育厅科学研究重点项目、优秀青年项目、一般项目各1项，四川省数据恢复重点实验室开放基金项目2项。参与国家自然科学基金面上项目、广东省重点研发计划等项目若干项。在国内外学术期刊上共发表论文 50 余篇。

报告题目：隐式曲线和曲面重建的随机渐进迭代方法

报告摘要：渐进迭代逼近(几何迭代法)在计算机辅助几何设计及其相关领域具有广泛应用。本报告针对隐式渐进迭代逼近方法，通过引入有效的概率准则，提出了隐式随机渐进迭代逼近方法。此方法选择配置短阵的工作元素来调整控制系数，由控制系数生成的曲线和曲面序列依概率收敛到最小范数结果。与隐式渐进迭代逼近相比，隐式随机渐进迭代逼近方法降低了计算复杂度，并加快了曲线和曲面重建的速度。数值实验表明，隐式随机渐进迭代方法更高效。

个人简介：2018年毕业于浙江大学数学科学学院，获计算数学专业博士学位。同年进入中国计量大学理学院应用数学系工作。主要研究方向是数值代数和计算机辅助几何设计。在Applied Mathematics and Computation, NumericaLinear Algebra with Applications, Computer AidedDesign,Computer Aided Geometric Design等学术期刊发表多篇论文。

报告题目：随机渐进迭代逼近及其收敛性分析

报告摘要：因其直观的几何意义和简洁的计算格式，最小乘渐进迭代逼近(LSPIA)在大规模数据拟合等领域有着广泛的应用。本报告将围绕 LSPIA 介绍两部分内容，第一、利用随机化指标选取策略，局部地更新控制顶点，给出LSPIA的随机形式以及期望意义下的收敛性分析;第二、利用LSPIA 迭代的历史信息，提出带三参数的 LSPIA 方法，并利用配置矩阵的奇异值分解，证明此类方法沿着不同的奇异向量具有不同的收敛速率。

个人简介：吴念慈 2020 年6月毕业于武汉大学，获计算数学专业博士学位;同年8月入职中南民族大学数统学院，并获硕士研究生招生资格;研究兴趣包括数值代数、反问题、数值逼近与计算几何;现主持国家自然科学基金项目青年项目中央高校基本科研项目等课题3项，在Inverse Problems.Numerical Linear Algebra with Applications 等计算数学专业杂志和Conputer Aided Geometric Design、Journal of Computational and Applied Mathematics等应用领域杂志上发表 SCI论文 20 余篇。