报告摘要
传统的单一学习模型通常只从一个视角探索未知数据集，只包含一个学习过程和一个学习结果，具有一定的局限性。集成学习模型则从多个视角探索未知数据集，包含了多个学习过程，通过综合获得一个更具代表性的结果。与单一学习模型相比，集成学习模型往往能够提供准确性、稳定性和强壮性更好的结果。本报告首先简要介绍各种类型的集成学习模型，主要包括分类集成学习模型、半监督集成学习模型、聚类集成学习模型，等等。然后，以渐进式集成框架、基于图论的聚类集成算法和自适应集成框架为核心，系统地介绍近年来余志文博士所提出的一些新算法及其在高维带噪音数据挖掘上的应用，包括：渐进式半监督聚类集成框架、混合聚类选择策略、基于混合高斯模型的聚类结构集成方法、混合模糊聚类集成方法、自适应模糊聚类集成方法、基于随机组合数据映射操作的混合聚类集成方法、基于专家知识的聚类集成算法、混合自适应集成学习算法等等。
报告人简介
余志文博士，现为华南理工大学计算机学院教授、博士生导师、副院长、国家优秀青年科学基金获得者。余博士是CCF理事、CCF杰出会员、ACM广州分会副主席、CCF广州分部执行委员、2015-2016 CCF YOCSEF广州 主席、IEEE、ACM高级会员， CCF人工智能与模式识别专委会委员、CAAI机器学习专委会委员。余博士于2008年在香港城市大学计算机系获博士学位，之后在香港理工大学电子计算系做过博士后研究，2011年入选教育部新世纪优秀人才支持计划， 2013年获得广东省自然科学杰出青年基金资助，2017年获国家优秀青年科学基金资助。余博士主要从事机器学习、数据挖掘、模式识别和人工智能方面的研究，发表学术论文近100多篇，其中50篇多SCI论文，30篇IEEE Transactions系列论文，如：TKDE, TEC, TCYB, TMM, TSMC-B, TCBB, TCSVT, TNB等，1篇论文获国际会议最佳论文奖，担任CCF会刊《计算机应用》编委。主持和参与的项目30多项，其中主持国家基金重点、优青、面上和青年，省部级项目13项。更多信息见个人主页：www.hgml.cn/yuzhiwen
报告时间：2018/4/13（周五），14：30
地点：云南大学呈贡校区软件学院楼1412
邀请人：杨云
杨云 2018-04-09 19:38:54
