内容

图灵讲坛:大型数据集下基于集成聚类的信息提取算法研究

阅读数:933    发布:2018-03-26 09:21    

报告题目:大型数据集下基于集成聚类的信息提取算法研究

主讲嘉宾:Asoke K. Nandi教授,英国布鲁内尔大学

报告时间:2018年 3月27日14:30 – 16:30

邀  请 人:李坚强教授

报告地点: 计算机与软件学院938会议室


报告摘要:集成聚类主要用于从大型数据集中提取信息,是模型自由或数据驱动的算法。在过去几十年,它们已经被开发并应用于许多领域,特别是在生物信息与大脑信号处理中的基因聚类研究中。然而,在缺乏了解真实数据的先验知识以及基本事实的情况下,通常很难选择一个合适的集群聚类算法以及对集群聚类的结果进行评价。任何特定算法都会因其在数据结构上与实际数据不相符的特有假设,造成其得到的结论有所偏向性。在本次讲座中,Nandi教授将报告如何对异质性的大型数据集进行集成表达、学习、聚类,并介绍如何利用Bi-CoPaM 和 UNCLES方法来处理核磁共振和基因数据。

报告人简介: Asoke K. Nandi教授,英国皇家工程院院士,英国剑桥大学(三一学院)博士,美国电气与电子工程协会会士(IEEE fellow)。曾于英国牛津大学,伦敦帝国理工学院,斯特拉斯克莱德,利物浦以及芬兰等大学中担任职位。2013年起,Nandi教授在布鲁内尔大学担任电子与计算机工程系的系主任。Nandi教授曾获IEEE海因里希赫兹奖(2012),孟加拉奖(2010),英国机械工程师学会仲裁奖(1999),英国电气工程学会蒙巴顿奖和电子与通讯事业部奖(1998),IEEE杰出讲师(EMBS,2018-2019)。1984年,诺贝尔物理学会对他们团队(UA1欧洲研究中心小组)中的两位首席因与Nandi教授共同发现了W+, W-和Z0三种基本粒子授予了奖项。

Nandi教授是“大数据”方面的专家,目前的研究方向是信号处理与机器学习,并应用于核磁共振数据、基因表达数据、通信和生物医学数据等,其提出基础理论和算法对信号处理和机器学习的很多相关研究领域产生了重要贡献。他已撰写了550多部技术出版物,包括220篇期刊论文以及4本专著,其出版物在谷歌学术搜索中的H指数为67,埃尔德什数为2。


深圳大学计算机与软件学院 2009-2016