Niklas Lavesson

Professor Datateknik

Avdelningen för Datateknik och Informatik , Tekniska Högskolan i Jönköping AB

Kontakt

Rum
E2413
Telefon
+46 36-10 1458
Signatur/Kortnamn
LAVNIK
Schema
Ändra din information

Forskningsgrupper

Forskning

Niklas Lavessons forskning är fokuserad mot praktisk tillämpning av verktyg och tekniker från maskininlärning i samarbete med partners från den offentliga och privata sektorn. Mer specifikt undersöker Lavesson reella problem i olika domäner och försöker modellera, utveckla, samt utvärdera prestandan hos, dataintensiva lösningar, baserat på teori och metoder från artificiell intelligens, informationsutvinning och maskininlärning.

Biografi

Niklas Lavesson är sedan den 1 november 2017 professor i datateknik vid Tekniska Högskolan i Jönköping AB. Lavesson erhöll teknologie magisterexamen i programvaruteknik (2003) samt teknologie doktorsexamen i datavetenskap (2008) från Blekinge Tekniska Högskola. Han har tidigare varit anställd som universitetslektor i datavetenskap (2009-2015) och blev utnämnd till oavlönad docent i datavetenskap (2011) vid samma lärosäte. Lavesson blev befordrad till professor i datavetenskap vid Blekinge Tekniska Högskola i maj 2015 och innehar fortfarande denna tjänst på deltid.

Lavesson har alltid närt ett starkt intresse för tredje uppgiften. Han har medverkat i Sveriges Television för att diskutera de potentiella samhälleliga konsekvenserna av AI och han har även medverkat vid flera tillfällen i Sveriges Radio för att diskutera olika ämnen. De senaste radiointervjuerna med P4 Blekinge behandlar exempelvis: maskininlärning för att minska spridningen av så kallad hämndporr i sociala medier (9 nov 2017), digitalisering och smarta hem (12 okt 2017), artificiell intelligens (16 maj 2017) samt digitalisering och AI-trender (5 jan 2017). Lavesson är flitigt anlitad i paneler samt som talare vid olika arrangemang som rör digitalisering, artificiell intelligens och maskininlärning för organisationer, stiftelser, företag, skolor och myndigheter.

Lavesson påbörjade sin karriär inom undervisning som amanuens (2003) vid Blekinge Tekniska Högskola och har sedan dess innehaft olika undervisning och ledningsroller inom ramen för över 20 kurser på högskolenivå. Parallellt med arbetet som lärare, examinator, kursansvarig och programansvarig för olika kurser och program inom datavetenskap och programvaruteknik så har Lavesson innehaft flertalet förtroendeuppdrag relaterade till akademiska rättigheter, administration och utveckling. Han var ordförande för doktorandsektionen vid Blekinge Tekniska Högskola (2007-2008) och koordinator för forskarutbildningen vid samma lärosäte, utsedd av fakultetsnämnden (2009-2013).

Lavesson underhåller ett brett nätverk inom akademin så väl som i den offentliga och privata sektorn. Han är en flitigt anlitad granskare av artiklar inskickade till välrenommerade tidskrifter, exempelvis: Data & Knowledge Engineering, Empirical Software Engineering, Information Sciences, Information & Software Technology, Knowledge & Information Systems, Machine Learning, Machine Learning Research, Neurocomputing, och Transactions on Internet Technology.

Lavesson är återkommande granskare eller medlem i programkommittén till ett större antal topprankade vetenskapliga konferenser. De senaste exemplen är: AISTATS 2018, ICLR 2018, AAAI 2017, ECML/PKDD 2017, IJCAI 2017, och NIPS 2017.

Niklas Lavesson handleder för närvarande sex doktorander, fyra som huvudhandledare och två som bihandledare (samtliga inskrivna vid Blekinge Tekniska Högskola). Han är dessutom medlem eller extern granskare i tiotalet stöd- eller utvecklingskommittéer för andra doktorander. Han har tidigare agerat som handledare för två doktorsavhandlingar och mer än 25 master-, magister- eller kandidatuppsatser. Lavesson har agerat opponent eller medverkat i betygsnämnden för 12 doktorander.

Lavesson har publicerat mer än 60 fackgranskade tidskriftsartiklar, konferensartiklar, monografier och bokkapitel. För en komplett förteckning, besök hans Google Scholar-profil.

Antologibidrag

García Martín, E. Lavesson, N. Grahn, H. (2017). Energy Efficiency Analysis of the Very Fast Decision Tree Algorithm. Lectures Notes in Social Networks. Cham, Switzerland: Springer More information
Johnson, H. Lavesson, N. Zhao, H. Wu, S. (2011). On the Concept of Trust in Online Social Networks. : Springer More information
Kostadinova, E. Boeva, V. Lavesson, N. (2011). Clustering of Multiple Microarray Experiments Using Information Integration. : Springer More information
Lavesson, N. Davidsson, P. Boldt, M. Jacobsson, A. (2008). Spyware Prevention by Classifying End User License Agreements. Berlin / Heidelberg: Springer More information

Artikel

Martin, E. Lavesson, N. Doroud, M. (2016). Hashtags and followers An experimental study of the online social network Twitter. : Springer More information
Unterkalmsteiner, M. Feldt, R. Gorschek, T. Lavesson, N. (2016). Large-scale Information Retrieval in Software Engineering - An Experience Report from Industrial Application. : Springer More information
Shao, B. Lavesson, N. Boeva, V. Shahzad, R. (2016). A mixture-of-experts approach for gene regulatory network inference. : InderScience Publishers More information
Beyene, A. Welemariam, T. Persson, M. Lavesson, N. (2015). Improved concept drift handling in surgery prediction and other applications. : Springer More information
Borg, A. Boldt, M. Lavesson, N. Melander, U. Boeva, V. (2014). Detecting serial residential burglaries using clustering. : Elsevier More information
Lavesson, N. Boeva, V. Elena, T. Davidsson, P. (2014). A method for evaluation of learning components. : Springer More information
Kazemi, S. Abghari, S. Lavesson, N. Johnson, H. Ryman, P. (2013). Open Data for Anomaly Detection in Maritime Surveillance. : Elsevier More information
Shahzad, R. Lavesson, N. (2013). Comparative Analysis of Voting Schemes for Ensemble-based Malware Detection. : Innovative Information Science & Technology Research Group More information
Rezaee, S. Lavesson, N. Johnson, H. (2012). E-Mail Prioritization using Online Social Network Profile Distance. : TMRF More information
Lavesson, N. Axelsson, S. (2012). Similarity assessment for removal of noisy end user license agreements. : Springer More information
Lavesson, N. Boldt, M. Davidsson, P. Jacobsson, A. (2011). Learning to detect spyware using end user license agreements. : Springer More information
Lavesson, N. (2010). Learning Machine Learning. : IEEE Press More information
Lavesson, N. Davidsson, P. (2007). Evaluating learning algorithms and classifiers. More information

Avhandling

Lavesson, N. (2008). On the Metric-based Approach to Supervised Concept Learning. Ronneby: Blekinge Institute of Technology More information

Konferensbidrag

Abghari, S. García Martín, E. Johansson, C. Lavesson, N. Grahn, H. (2017). Trend analysis to automatically identify heat program changes. Energy Procedia. : Elsevier More information
García Martín, E. Lavesson, N. Grahn, H. (2017). Identification of Energy Hotspots. Lecture Notes in Computer Science. Cham, Switzerland: Springer More information
Kusetogullari, H. Grahn, H. Lavesson, N. (2017). Handwriting image enhancement using local learning windowing, Gaussian Mixture Model and k-means clustering. : Institute of Electrical and Electronics Engineers Inc. More information
García-Martín, E. Lavesson, N. (2017). Is it ethical to avoid error analysis?. More information
García Martín, E. Lavesson, N. Grahn, H. (2015). Energy Efficiency in Data Stream Mining. More information
Dasari, S. Lavesson, N. Andersson, P. Persson, M. (2015). Tree-Based Response Surface Analysis. Lecture Notes in Computer Science. : Springer More information
Isaksson, O. Bertoni, M. Hallstedt, S. Lavesson, N. (2015). Model Based Decision Support for Value and Sustainability in Product Development. International Conference on Engineering Design. : The Design Society More information
Shahzad, R. Mehwish, F. Lavesson, N. Boldt, M. (2015). Consensus decision making in random forests. Machine Learning, Optimization, and Big Data. More information
Davidsson, P. Gustafsson Friberger, M. Lavesson, N. Persson, J. (2013). Towards a Prediction Model for People Movements in Urban Areas. Saint Paul, Minnesota, USA: ACM More information
Borg, A. Lavesson, N. Boeva, V. (2013). Comparison of clustering approaches for gene expression data. : IOS Press More information
Borg, A. Lavesson, N. (2012). E-mail Classification using Social Network Information. Prague, Czech Republic: IEEE More information
Shahzad, R. Lavesson, N. (2012). Veto-based Malware Detection. Prague: IEEE Computer Society More information
Allahyari, H. Lavesson, N. (2011). User-oriented Assessment of Classification Model Understandability. Trondheim: IOS Press More information
Bhattacharyya, P. Rowe, J. Wu, F. Haigh, K. Lavesson, N. Johnson, H. (2011). Your Best might not be Good enough. Orlando: IEEE Press More information
Borg, A. Boldt, M. Lavesson, N. (2011). Informed Software Installation through License Agreement Categorization. Johannesburg: IEEE Press More information
Lavesson, N. Johnson, H. (2011). Measuring Profile Distance in Online Social Networks. Sogndal: ACM Press More information
Shahzad, R. Lavesson, N. (2011). Extended Abstract. Trondheim: IOS Press More information
Grahn, H. Lavesson, N. Lapajne, M. Slat, D. (2011). CudaRF. Sharm El-Sheikh, Egypt: IEEE More information
Shahzad, R. Lavesson, N. Johnson, H. (2011). Accurate Adware Detection using Opcode Sequence Extraction. Vienna: IEEE Press More information
Shahzad, R. Lavesson, N. (2011). Detecting Scareware by Mining Variable Length Instruction Sequences. Johannesburg: IEEE Press More information
Boeva, V. Ivanova, P. Lavesson, N. (2010). A Hybrid Computational Method for the Identification of Cell Cycle-regulated Genes. London: IEEE Press More information
Grahn, H. Lavesson, N. Lapajne, M. Slat, D. (2010). A CUDA Implementation of Random Forests. Göteborg: Chalmers Institute of Technology More information
Shahzad, R. Haider, S. Lavesson, N. (2010). Detection of Spyware by Mining Executable Files. Krakow: IEEE Computer Society More information
Lavesson, N. Davidsson, P. (2010). APPrOVE. London: IEEE Press More information
Lavesson, N. (2010). Predicting the Risk of Future Hospitalization. Bilbao: IEEE Press More information
Persson, M. Lavesson, N. (2009). Identification of Surgery Indicators by Mining Hospital Data. Linz, Austria: IEEE Press More information
Muhammad, A. Lavesson, N. Davidsson, P. Nilsson, M. (2009). Analysis of Speed Sign Classification Algorithms Using Shape Based Segmentation of Binary Images. Munster: Springer More information
Lavesson, N. Halling, A. Freitag, M. Odeberg, J. Odeberg, H. Davidsson, P. (2009). Classifying the Severity of an Acute Coronary Syndrome by Mining Patient Data. Linköping: Linköping University Electronic Press More information
Boldt, M. Jacobsson, A. Lavesson, N. Davidsson, P. (2008). Automated Spyware Detection Using End User License Agreements. Busan, Korea: IEEE More information
Lavesson, N. Davidsson, P. (2008). Towards Application-specific Evaluation Metrics. Helsinki: More information
Lavesson, N. Davidsson, P. (2008). Generic Methods for Multi-criteria Evaluation. Atlanta, Georgia, USA: SIAM Press More information
Lavesson, N. Davidsson, P. Boldt, M. Jacobsson, A. (2008). Spyware Prevention by Classifying End User License Agreements. Wroclaw, Poland: Springer More information
Lavesson, N. Davidsson, P. (2007). Analysis of Multi-Criteria Methods for Classifier and Algorithm Evaluation. More information
Lavesson, N. Davidsson, P. (2006). Quantifying the Impact of Learning Algorithm Parameter Tuning. Boston, USA: More information
Lavesson, N. Davidsson, P. (2005). Quantifying the Impact of Learning Algorithm Parameter Tuning (short version). Västerås: Mälardalen University More information
Lavesson, N. Davidsson, P. (2004). A Multi-dimensional Measure Function for Classifier Performance. Varna, Bulgaria: IEEE More information

Licentiatavhandling

Lavesson, N. (2006). Evaluation and Analysis of Supervised Learning Algorithms and Classifiers. Blekinge Institute of Technology Licentiate Dissertation Series. Karlskrona: Blekinge Institute of Technology More information

Samlingsverk

(2013). Mining the Digital Information Networks. : IOS Press More information
(2012). Social Shaping of Digital Publishing. Amsterdam: IOS Press More information

Övrigt

García Martín, E. Lavesson, N. Grahn, H. Casalicchio, E. Boeva, V. (). Hoeffding Trees with nmin adaptation. More information






Genom att surfa vidare på JU.se godkänner du att vi använder cookies. Mer information