2010.12.13 学术报告：机器学习的几何观点

2010-12-06 | 编辑： | 【  】

　  报告人：何晓飞 教授（浙江大学）　  报告时间：2010年12月13日 上午9点30分　  地点：3号楼3楼光学影像分析与学习中心（OPTIMAL）会议室

　  报告摘要：　  流形学习是机器学习领域的一个新兴分支，其目的是通过学习数据流形的几何、拓扑结构来认知数据并解决传统的机器学习问题，如特征提取、聚类、分类等。流形学习是以流形假设为基础，利用微分几何、图论、代数拓扑以及概率统计等多学科知识进行数据分析的一门前沿学科。本次报告包括以下几个部分：　  1.流形学习在这十年间的蓬勃发展以及一些基础知识，如流形的概念，流形上的拉普拉斯算子(Laplace operator)等。　  2.经典流形学习算法，如Isoamp, Locally Linear Embedding，LaplacianEigenmap等；以及基于流形理论的半监督学习和主动学习算法。　  3.流形学习在信息处理各个学科所取得的广泛应用。　  4. 流形学习的未来展望，以及我们面临的机遇和挑战。

　  报告人简介：　  何晓飞，浙江大学计算机学院教授，博导，IEEE高级会员。浙江大学计算机系学士学位，曾获国际大学生数学建模竞赛特等奖（INFORMS奖）。芝加哥大学博士学位。其博士论文提出了国际上第一个线性流形学习算法--保局投影，掀起了基于谱图理论的线性降维算法研究热潮。2001年至2004年间与微软亚洲研究院同行合作进行信息检索的研究，提出了基于网页块结构的链接分析方法，该方法在学术界和工业界引起了极大的反响，多家国际专业媒体报道了这一研究成果。2005年将流形