报告时间：2022年11月29日 20:00-22:00

报告地点：腾讯会议 278-503-973

报告题目：

大规模多视图聚类算法及理论研究

报告简介：

多视图聚类的可扩展性和泛化分析是机器学习的难点问题。为了解决可扩展性问题，我们首次提出了一个通用且灵活的锚图融合框架。展示了如何找到锚点特征和结构信息的对应关系，然后再逐列进行锚图融合。理论结果揭示了该框架与现有的多视图后期融合和部分视图对齐聚类之间的联系。为了解决多视图聚类算法的泛化性问题，我们首先给出了单核聚类算法的一致稳定性，并推导了其额外聚类风险的上界。更进一步，我们将该结论扩展到多核聚类，并建立了多核聚类算法稳定性与核组合系数之间的关系。作为例证，该结论被用在了新颖的多核聚类算法SimpleMKKM上，并据此得到了更好的额外风险上界。

报告人介绍：

刘新旺，国防科技大学计算机学院教授，博士生导师。国家自然科学基金优秀青年基金获得者。主要研究兴趣包括核算法、多视图聚类算法、深度聚类等。发表IEEE Trans及CCF A类论文100余篇，包括IEEET-PAMI、IEEE T-KDE、IEEET-IP、ICML、NeurIPS、CVPR、ICCV、AAAI、IJCAI、ACM MM等。谷歌学术引用8100余次。担任AAAI 2020-2023、IJCAI2020-2022等国际人工智能顶级会议的资深程序委员会委员，以及IEEE TNNLS和Information Fusion的编委。主持科技部“新一代人工智能2030” 重大项目、国家自然科学基金面上项目、青年基金各一项，研究成果曾两次获湖南省自然科学一等奖。