时间：2013年3月12日
地点：A118会议室
主讲人：仇长贺、张志明
主持人：邹凡云
参与人员：雷凯老师、黄连恩老师、实验室全体同学。
活动内容：
这是本学期第一次科研沙龙，雷凯老师和黄连恩老师到场聆听指导，同学们听的认真，讨论的也非常积极。
第一位主讲人是仇长贺。主题是Intrusion as (Anti)social Communication:Characterization and Detection。这是KDD2012最佳学生论文，文中采用了新颖的方式检测网络中的恶意主机。利用社交网络文化中图的分析和割点的概念，来描述和检测入侵。讲完后，雷总对最近在研究NDN中DDoS方面的陈涛同学提了问题，思考这个方法是否适用于NDN。王嘉炜认为由于NDN中没有端到端主机的概念，所以答案是否定的。对于同学们来讲，听主讲人讲非自己研究方向的知识，不仅能拓宽视野，同样也有可能促进交叉研究思路。大家讨论非常热烈，最终“好问题奖”确定为廖文静、夏睿、秦大洲。
Q&A摘录：
（廖文静）问：论文中采用的检测方法比原来方法好在哪里，最后是否有实验对比？
答：论文从社会网络的角度看待和分析入侵检测问题，实验只对比了传统的采用出度的方法，结果证明比这种方法效果好很多。
（夏睿）问1：社交群体圈的概念是怎么定义的？
答：按照连入某个目的主机的所有主机组成初始的一个群体，然后，通过删除割点，设置阈值的方式，进一步处理。
问2：对于本来是割点，删除割点以后，不是割点的点，怎么处理？
答：就当做不是可疑点。
（秦大洲）问：置信区间95%的范围是（..）到底是一个怎么样的情况？
答：是表示错误在（..）区间内的可信度能达到95%，是个不错的可被接收的情况。
第二位主讲人是张志明。主题是“支持向量机”。主要介绍了三种支持向量机：硬间隔—支持向量机、软间隔—支持向量机、非线性支持向量机。讨论了如何由原问题转化为对偶问题，原问题转化为对偶问题的手段是Lagrange函数，并介绍了核函数及其优点和工作机制。最后讨论了支持向量机的应用。最终“好问题奖”确定为张帆、夏睿、杨飞宇。
Q&A摘录：
（张帆）问：如果训练集是几百万的文档数据，而特征是几十万的词，那利用对偶问题求解（与训练集规模有关）是否比直接求解原问题（与特征维数有关）更复杂了？
答：一般地，不需要如此多的文档进行训练，通过随机抽取一小部分文档训练即可；而特征维数则是不可控的，通常特征维数越高越利于分类，所以特征维度一般要比训练集规模大得多。
（夏睿）问1：关于原方程和对偶函数的复杂度的关系。
答：原函数是根据维度，对偶函数是根据数据样本的个数。
问2：RBF是否会出现分类属于一类的情况？
答：会的，因为很可能尝试不出好的核函数，最后变换到某个维度空间，在这个空间中，它们混杂在一起。
问3：SVM适合小样本吗？
答：几百的小样本可以尝试使用SVM来处理，比一般的算法效果要好。这可能是由于对偶函数的变换作用。
（杨飞宇）问：如何实现从低维映射到高维时能够保证实现非线性到线性的转化？
答：这个映射关系是隐式实现的，需要多次设计核函数进行不断地实验才能成功。
最后是所有听众对两位主讲人根据整个报告的逻辑、内容充实性、表述能力等进行投票。:最终投票结果是张志明11票，仇长贺8票。张志明赢得优胜奖，仇长贺赢得鼓励奖。
附：
获奖名单：
优胜奖：张志明
鼓励奖：仇长贺
好问题奖：廖文静、夏睿、秦大洲；
张帆、夏睿、杨飞宇。
PPT、活动录像存放地址：
ftp://www.icnlab.cn/BigData