日前，北京大学信息科学技术学院高文院士\田永鸿教授课题组的论文《基于样本特定多核方法的视觉概念学习方法》（Per-sample multiple kernel approach for visual concept learning）获欧洲信号处理学会（European Association for Signal Processing）旗下《图像与视频处理期刊》（Eurasip Journal on Image and Video Processing, JIVP）2015年度最佳论文奖（http://www.eurasip.org/index.php?option=com_content&view=article&id=131&Itemid=1135），将于2015年9月在第23届欧洲信号处理大会（European Signal Processing Conference）上颁发。
论文发表于JIVP2010卷（文章编号：461450，DOI：10.1155/2010/461450），第一作者是高文、田永鸿联合指导的博士研究生杨晶晶，田永鸿是通讯作者。文章的主要学术贡献是提出一种样本特定的多核学习方法（PS-MKL），用于解决类内变化较大的物体识别问题。该方法采用样本特定的多核函数组合，对样本间的相似性进行度量，挖掘各个核函数在不同样本上对于识别的贡献，从而对物体的类内多样性具有较好的适应性。多个公开数据集上的大量实验表明，相比已有多核学习方法，PS-MKL所取得的结果与论文发表时国内外前沿的物体识别方法性能相当。
美国电气与电子工程师学会（IEEE）等主办的期刊评选最佳论文奖时，通常采用“论文作者先提出申请，而后期刊奖励委员会评选”的方式。与之不同，JIVP是由EURASIP奖励委员会委员根据论文的学术水平、过去几年的下载和引用情况等，独立选择并投票评选出获奖论文，因而具有非常高的公信力和权威性。
PS-MKL在国际公开数据集Caltech101上的对象识别性能
