内容

“Ranking-Preserving Nonnegative Matrix Factorization”学术讲座

阅读数:448    发布:2019-06-19 10:53    

报告题目:Ranking-Preserving Nonnegative Matrix Factorization

时间:2019年6月21日上午10:20

地点:南校区计算机与软件学院大楼938会议室

主讲人介绍: 王晶,现任日本东京大学博士后,机器学习,数据挖掘方向,特别是降维,聚类,多视角学习。博期间以访问学生身份访问法国蒙彼利埃第二大学,美国纽约大学和以EU Marie Curie 访问学者身份访问了澳大利亚查尔斯特大学。 博士期间凭借其研究成果获得全英“2017 ABTA Doctoral research award”工程自然科学类第二名。目前共发表论文近20篇,其中包括 CCF-A类会议AAAI 2019, IJCAI 2018, IJCAI 2017 以及JCR-1区期刊IEEE transactions on Cybernetics, IEEE transactions on Image Processing等。并担任国际期刊及会议审稿人,包括AAAI 2019, IEEE transactions on Knowledge and Data Engineering, IEEE transactions on Image Processing等。

报告摘要: 非负矩阵分解作为一种基于部分表达非负数据的技术,已经被广泛研究。在现实生活中,有序关系经常存在数据中,比如数据i 与 j 比 与q 更有关联。 这种有序的关系是自然存在的,更重要的是,它真实地反映了数据潜在的结构。保留这种有序的结构使得数据的表达能真实反映数据间的相对关系,从而使得学习的表达更有判别力。 然而,这并不能被现存非负矩阵方法实现。 在这篇文章中,我们第一次融合了有序关系并提出了一个新的基于序关系的非负矩阵方法。 并推导出有效的更新迭代规则去解决目标函数。 实验结果表明我们提出的方法不仅在正确率上优于现存方法,而且具有对数据有序结构的解释性。

欢迎广大师生参加!


深圳大学计算机与软件学院 2009-2016