学术报告:高效求解聚类问题的坐标下降法

审核发布:数学与信息学院 来源单位及审核人: 发布时间:2022-11-02浏览次数:10

报告人:聂飞平教授 西北工业大学
报告时间:2022年11月2日(星期三)14:30-18:00
报告地点:腾讯会议:517 960 805,会议密码:1102
举办单位:华南农业大学数学与信息学院 软件学院

报告简介:设计一个好的聚类模型和好的优化方法对于聚类任务来说同样重要。k-means和谱聚类作为两种十分流行的聚类模型,相关研究受到广泛关注。在本报告中,将介绍一种快速的坐标下降法,并将其用于求解k-means聚类和谱聚类优化问题。对于k-means模型,相比原始的Lloyd优化方法,这种坐标下降法能够找到更好的解,收敛更快,并且对初始化更鲁棒。通过严格的证明发现,虽然坐标下降法能提升Lloyd方法所得到的解,但是Lloyd方法一定不能提升坐标下降法所得到的解。此外,虽然Lloyd方法经常会产生空类,但是坐标下降法在求解过程中一定不会产生空类。对于谱聚类模型,这种坐标下降法可以直接求解原始优化问题,不需要松弛和离散这两个步骤,因此可以得到更好的解,并且计算复杂度更低。

报告人简介:聂飞平,西北工业大学教授、博士生导师,国家万人计划领军人才。主要研究兴趣为机器学习理论和方法,并用来解决实际的应用问题。在相关领域已发表系列论文,其中影响因子大于10的一区期刊论文100余篇,IEEE/ACM汇刊论文100余篇,CCF A类会议长文100余篇。论文被引用30000余次,H指数96。入选科睿唯安“全球高被引科学家”,爱思唯尔“中国高被引学者”等榜单。

欢迎广大师生参加!

返回原图
/