高光谱图像分析的空间人工智能博士项目

项目介绍： 本项目由Renishaw公司部分资助。预期成功的申请人将在Renishaw进行实习，以利用该项目背景和数据方面的技术专长。

研究概述： 高光谱成像技术的进步使得在数百个光谱波长上获得具有精细空间分辨率的高质量图像成为可能。能够从这些"数据立方体"中高效提取信息，有望在从医学诊断到地球物理矿物勘探等多个应用领域提供科学和工业洞察。

高光谱成像的机器学习方法在常见分析任务中已显示出潜力，但使用缺乏空间信息的简单模型限制了分类、预测和解混等分析任务的性能。此外，当前方法计算量大，阻碍了在实际场景中的应用。本项目将基于现代数学优化技术，开发新的、高效的空间感知机器学习方法用于高光谱成像，并为从业者在不同数据采集场景中应用这些工具提供指导。

本项目旨在解决的研究问题示例包括： • 如何利用空间信息来改善高光谱分析任务？ • 如何利用光谱相关性？ • 当前机器学习方法中的计算瓶颈是什么，如何规避它们？ • 我们能否量化分析输出中的不确定性以支持统计决策？

预期本项目开发的数学方法将涉及机器学习、统计学和信号处理/数据降维技术等方面。

申请要求： 申请人应持有或预期获得相关学科的一等或良好的英国二等上荣誉学位（或同等学历）。硕士学位资格也将具有优势。非英国申请人必须在申请截止日期前满足项目的英语语言要求。

咨询与申请： 鼓励非正式咨询，请联系Matthew Nunes教授（M.A.Nunes@bath.ac.uk）。正式申请应在本广告截止日期前通过巴斯大学的在线申请表提交，申请"数学科学博士"项目。

重要提示： 填写申请表时：

1. 在"资助你的学业"部分，选择"EPSRC-DTG"作为你申请的学生奖学金。
2. 在"你的博士项目"部分，在相应框中引用本项目的项目标题和主要导师的姓名。 未能完成这两个步骤将导致处理你的申请延迟，并可能导致你错过截止日期。

请注意：如果找到合适的候选人，本项目的申请可能会早于广告截止日期关闭。因此，我们建议你在申请前联系主要导师，并尽早提交正式申请。

系统维护通知： 由于我们申请系统的年度停机维护，我们将在2026年4月11日至4月15日期间无法接收申请。在此期间你也无法访问已保存的申请。推荐人也将无法通过门户网站提交推荐信。请勿在此期间提交申请。申请将在2026年4月10日（含）之前开放，并于2026年4月16日重新开放。

平等、多样性和包容性： 我们重视多元化的研究环境，致力于成为一所包容性大学，在这里差异得到庆祝和尊重。我们欢迎并鼓励来自代表性不足群体的申请。如果你有影响你教育成就的情况，你认为我们应该了解，请随时在申请表中告诉我们。最好的方式是在个人陈述末尾加一段简短的说明。

资助信息： 候选人可被考虑获得为期4年的学生奖学金。资助包括学费、增强型津贴（2026/7年度每年23,805英镑）和培训支持预算。学生奖学金对本地和国际学生开放；但是，国际申请人应注意，资助不包括移居英国的费用、获得学生签证的费用或支付英国医疗附加费的费用。