金耀初教授首先就英国萨里大学计算科学系的概况及其所在课题组的研究人员、研究方向与研究成果做简要介绍。随后，围绕报告主题介绍基于多Pareto优化图像特征的不变图像分类方法，重点阐述了多目标进化算法与Trace变换算法在Pareto优化特征提取中的应用，提出了采用多层梯度神经网络与KNN作为基础分类器的两种改进，并与大家分享了其在Fish-94与COIL-20数据集上进行大量的实证实验的最新研究成果。实证结果显示，该方法平均的分类效果比传统的分类方法有更好的分类性能。更多的实验结果也表明，该分类方法对于各种几何变化(如旋转、缩放、平移以及加性噪声等)的图像具有很好的鲁棒性。
金耀初，2001年在德国波鸿鲁尔大学(Ruhr-Universit?t Bochum)神经信息研究所获博士学位。长期从事计算智能的理论研究及其在复杂系统控制、优化和机器人等领域的应用，是该领域的专家，其研究颇有前瞻性。目前已出版专/编著及会议论文集9本，发表学术论文150余篇。论文被引用总次数7200余次 (据Google Scholar), 其中SCI引用2200余次。获最佳论文奖一次，指导最佳学生论文奖一次，获美国，欧盟和日本专利共7项。现为IEEE的杰出讲师，IEEE计算智能学会副主席，英国计算机学会Fellow，任IEEE Transactions on Cybernetics等期刊的副主编，并担任IEEE MCDM等多个国际学术论坛的联合主席。
