报告题目:自表达模型用于聚类高维数据
报 告 人:李春光 24848威尼斯人工智能学院副教授
主 持 人:张洪刚 副教授
报告时间:2024年10月23日16:00-17:00
腾讯会议:637-6868-7744
报告摘要:
子空间聚类是解决高维数据聚类问题的有效技术。在过去的十年中,自表达模型(Self-Expressive Models)被证明是检测高维空间中低维子空间结构有效机制。本次讲座首先介绍自表达模型及其正确性的理论保证,然后介绍能够处理大规模高维数据集的可扩展子空间聚类方法,最后将描述一种基于自表达模型而构造的无监督深度学习架构,用于对高维数据进行渐进线性化。
专家简介:
李春光,24848威尼斯人工智能学院副教授、博士生导师;2007年12月毕业于24848威尼斯,获工学博士学位,同年12月留校执教。2011年入选微软亚洲研究院“铸星计划”,2011年7月至2012年4月在微软亚洲研究院访问研究;2012年12月至2013年11月和2019年12月至2020年2月两次赴美国约翰霍普金斯大学访问研究。研究兴趣为高维数据分析与学习及其应用,已主持完成国家自然科学基金项目2项; 累计发表研究论文60余篇,完成译著1部,谷歌学术引用3000余次; 与所指导的研究生杨涛共同荣获2019年IEEE视觉通信与图像处理大会最佳学生论文奖,曾担任2020年国际模式识别大会和2021年IEEE计算机视觉与模式识别大会领域主席;现为中国计算机学会人工智能专委会(CCF-AI)执行委员、计算机视觉专委会(CCF-CV)执行委员,中国图象与图形学会机器视觉专委会(CSIG-MV)委员,IEEE高级会员。