大講堂｜可擴展的端到端譜聚類（Oral Paper, Wu et al, KDD 2018)

雷鋒網AI研習社訊：譜聚類是數據聚類研究領域裡最有效的方法之一，從90年底被提出至今，二十年來一直受到學術界的廣泛關注。譜聚類有著非常廣泛的實際應用，是最基本的數據分析工具之一。但是譜聚類一直以來最大的缺點在於對大數據的可擴展性，使得其很難適應今天大數據的時代。在本次公開課中，我將分享其關於我們開發可擴展的端到端的譜聚類新方法的最新研究工作。我們提出的方法可以同時加速數據到圖的構建和大矩陣特徵分解，使得傳統的譜聚類可以重新得力。在對大數據的處理上，我們的新提出譜聚類的方法的效果和效率上都比其他類似方法更優。

分享主題

可擴展的端到端譜聚類 （Oral Paper, Wu et al, KDD 2018)

分享嘉賓

吳凌飛，IBM全球研究院總部（IBM T.J. Watson Research Center) 研究員 ， 威廉瑪麗大學計算機系博士，主要研究方向為機器學習，深度學習，表徵學習，自然語言處理，大數據。吳博士已經發表20幾篇頂尖雜誌和會議，包含但不局限於KDD, ICDM, AISTATS, EMNLP, AAAI, ICASSP, SC, SIAM Journal on Scientific Computing, IEEE Transaction on Big Data, and Journal of Computational Physics。吳博士同時也是13項美國專利的發明人。

分享提綱

1、譜聚類的應用，挑戰，和當前的方法利弊比較。

2、重點介紹我們新提出方法SC_RB的兩個重點模塊，Random Binning核近似技術 （Wu et al., KDD 2016），和目前最好的大矩陣特徵分解軟體 PRIMME （Wu et al., SISC 2015，Wu et al., SISC 2017）。

3、介紹基於Random Binning 和 PRIMME的SC_RB （Wu et al, KDD 2018)，最新的端到端的譜聚類方法。

分享時間

（北京時間 ） 10 月 22 日（星期一） 10:00

錯過直播不要緊，回放視頻上傳後也能繼續看哦~

直播鏈接

http://www.mooc.ai/open/course/579

想了解更多雷鋒網 AI 研習社直播？

歡迎移步雷鋒網 AI 研習社社區~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！