报告题目：自表达模型用于聚类高维数据

报 告 人：李春光 北京邮电大学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，北京邮电大学人工智能学院副教授、博士生导师；2007年12月毕业于北京邮电大学，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。