SIAM国际数据挖掘会议

SIAM 数据挖掘会议（SDM）征集呈现数据挖掘算法及其应用原创成果的高质量研究论文。数据挖掘是计算与统计领域的核心过程，旨在从数据中发现有价值的知识，在科学、工程、医疗、商业与医学等领域有重要应用。这些领域的数据集通常规模大、复杂且含噪声，需要以扎实的理论与统计原理为基础的复杂高性能分析技术。

SDM 会议为解决这些问题的研究者提供了经同行评审的交流平台；同时为研究生（通过博士论坛）提供了社交与获取反馈的理想场合，并为领域新人提供了通过杰出主旨报告、论文报告、教程与多个专题工作坊了解前沿研究的机会。会议论文集以档案形式出版并在 SIAM 网站发布。

SDM26 将于 2026 年 11 月 19 日至 20 日在美国盐湖城盐宫会展中心举行，并与 SIAM 成像科学会议（IS26）、SIAM 数据科学数学会议（MDS26）同期联合举办。

1、组委会

大会共同主席：
Arindam Banerjee（美国伊利诺伊大学香槟分校）；Matteo Riondato（美国阿默斯特学院）
程序共同主席：
Joyce Ho（美国埃默里大学）；Anuj Karpatne（美国弗吉尼亚理工 Virginia Tech）
博士论坛共同主席：
Bijaya Adhikari（美国爱荷华大学）；Li Zhang（美国德克萨斯大学里奥格兰德河谷分校）
指导委员会代表：
Vagelis Papalexakis（美国加州大学河滨分校）

方法和算法

• 异常值和离群值检测
• 大数据和大规模系统
• 因果推断
• 分类与半监督学习
• 聚类与无监督学习
• 数据清洗与整合
• 数据集和基准
• 深度学习与表征学习
• 生成式人工智能（AI）、基础模型和智能体人工智能
• 知识引导和物理学指导的机器学习
• 数据流挖掘
• 图和复杂数据挖掘
• 在新兴架构和数据云上进行数据挖掘
• 挖掘空间和时间数据
• 挖掘文本、网络和社交媒体
• 优化方法
• 并行和分布式方法
• 概率与统计方法
• 可扩展的高性能挖矿
• 自监督学习与强化学习
• 迁移学习、持续学习、终身学习和开放式学习
• 可视化和交互式分析

数据挖掘的应用

• 人工智能在科学领域的应用（气候科学、水文学、神经科学、认知科学、材料科学、生命科学、化学、物理学、工程学等）
• 商业与市场营销
• 医疗保健与生物信息学
• 科学假设的提出与验证

1、重要日期

摘要提交截止：2026年4月10日
全文提交截止：2026年4月17日
差旅资助申请截止：2026年8月17日
早鸟注册截止：2026年10月19日
酒店预订截止：2026年10月19日
会议：2026年11月19-20日

[email protected]