报告题目：聚类分析的理论方法及应用

报告人：刘新旺

单位：国防科技大学

报告时间：2024年7月13日(周六)下午14:45-15:30

报告地点：翡翠科教楼A座一楼第五会议室

报告摘要：针对聚类分析中数据特征的多样性、非完整性及弱可学习性等挑战，本次报告将介绍课题组在多视图聚类的融合机理、非完整多视图聚类、深度聚类等方面取得了系列性创新成果：建立了如何充分利用不同类型特征来改进聚类性能的新理论、提出了面向聚类填充来应对非完整多视图聚类的新方法、探索了从原始数据中学习特征来最优地服务于聚类的新应用。拟开展持续聚类分析以应对数据的动态变化。

报告人简介：国家自然科学基金杰出青年基金、优秀青年基金获得者。主要研究兴趣包括机器学习、数据挖掘等。近五年以第一或通讯作者在CCF A类顶刊和顶会上发表论文80余篇，包括IEEE TPAMI论文10篇，含3篇独立作者。ESI高被引论文12篇。谷歌学术引用一万七千余次，入选2022-2023年度全球2%顶尖科学家榜单。担任IEEE TNNLS、IEEE TCYB、Information Fusion等期刊AE及ICML、NeurIPS等顶会的资深程序委员/领域主席。部分研究成果曾两次获得湖南省自然科学一等奖（2/6、6/6）。