logo

项目申报

当前位置: 首页 项目申报 正文

省能源研究会联合东南大学举办“Classification and clustering using belief functions”讲座

发布时间:2018-12-22  

省能源研究会联合东南大学2018年4月10日下午7:00在东南大学举办了题为《Classification and clustering using belief functions》的学术讲座,省能源研究会特别邀请Thierry Denoeux教授作为讲座嘉宾。

Thierry Denoeux是法国科技大学(UTC)信息处理工程系的全职教授(特级)。他从2008年到2014年3月担任Heudiasyc研究实验室(UMR 7253)副主任,并于2012-2014年担任UTC科学委员会副主席。他是卓越实验室“系统技术系统”的科学协调员。自2016年起,他是北京工业大学的“海外人才”客座教授。他的研究兴趣涉及不确定情况下的推理和决策,更一般地说,涉及智能系统中不确定性的管理。他的主要贡献在于信仰函数理论,其应用于统计推断,模式识别,机器学习和信息融合。他是期刊和会议论文200多篇论文的作者,他监督了30篇博士论文。据谷歌学者报称,他被引用8090次,H指数为41(截至2018年3月13日)。他是“国际近似推理期刊”的主编,以及几个期刊的副编辑,其中包括模糊集合和系统,国际不确定性和模糊性和基于知识的系统杂志。

教授这次讲座的主题是基于证据理论的分类与聚类方法研究。教授从实际切入,通过介绍近十年来,数据挖掘成为火电厂中一个有趣的话题,特别是如何利用大数据来提高工厂的性能是一项挑战为我们提供了一种新的数据挖掘方法。讲座提到念信函数的Dempster-Shafer理论是具有不确定性的建模和推理的正式框架。介绍了基于信念函数的不同监督和无监督学习算法。在监督分类中,可以基于到最近邻居或原型的距离构建信念函数,并且可以通过最小化成本函数来训练分类器。对于聚类,我们引入了信用分区的概念,它扩展了困难,模糊,可能和粗略的分区。在信任分区中,集群成员不确定性由信任函数表示。我们提出不同的算法来从不相似性或属性数据中学习一个信用分区。这些算法已经在CRAN公开提供的R包evclust中编码。当然,任何一项新技术、新方法的发展及推进都不是一帆风顺,能够一次性完美解决的,在研究过程中还存在一些问题有待解决。

 虽然同学们参加的外文讲座已经不是第一次了,但是对于大多数的研一的同学来说,要听明白还是有一定难度的,尽管如此,大家还是听得聚精会神,不少同学作了详细的笔记,以备之后查用。教授这次所讲是他本人一段时期以来的科研积累,以及相关的领域前沿问题。这使得我院不少老师和博士也前来旁听,这是一次难得的学术交流机会。讲座结束后的提问环节中,不少老师和同学向教授提出疑问,教授也都一一作了详细解答。

听完本次讲座,大家对基于证据理论的分类与聚类方法研究有了更加深刻的了解,与此同时,同学们也期待以后有更多的这样的学术交流的机会。

image002.jpg

image004.jpg