针对智能目标检测与识别背景下，样本数据存在样本稀缺、多模异构、多视角、高维度、高噪声、可解释性不足等问题，开展高级机器学习理论与方法研究，包括提升算法模型自身性能与学习能力、高效利用目标样本所蕴含的先验信息、样本协同感知与融合等，有效提高高级机器学习算法的样本容忍能力和环境适应能力。

研究成果发表于IEEE Transactions on Instrumentation and Measurement、IEEE Geoscience and Remote Sensing Letters、IEEE Signal Proceessing Letters、ACM MM等，承担相关科研项目9项（含重点项目1项）。