2010.12.13 學術報告：機器學習的幾何觀點

2010-12-06 | 編輯： | 【  】

　  報告人：何曉飛 教授（浙江大學）
　  報告時間：2010年12月13日 上午9點30分
　  地點：3號樓3樓光學影像分析與學習中心（OPTIMAL）會議室

　  報告摘要：
　  流形學習是機器學習領域的一個新興分支，其目的是通過學習數據流形的幾何、拓撲結構來認知數據并解決傳統的機器學習問題，如特征提取、聚類、分類等。流形學習是以流形假設為基礎，利用微分幾何、圖論、代數拓撲以及概率統計等多學科知識進行數據分析的一門前沿學科。本次報告包括以下幾個部分：
　  1.流形學習在這十年間的蓬勃發展以及一些基礎知識，如流形的概念，流形上的拉普拉斯算子(Laplace operator)等。
　  2.經典流形學習算法，如Isoamp, Locally Linear Embedding，LaplacianEigenmap等；以及基于流形理論的半監督學習和主動學習算法。
　  3.流形學習在信息處理各個學科所取得的廣泛應用。
　  4. 流形學習的未來展望，以及我們面臨的機遇和挑戰。

　  報告人簡介：
　  何曉飛，浙江大學計算機學院教授，博導，IEEE高級會員。浙江大學計算機系學士學位，曾獲國際大學生數學建模競賽特等獎（INFORMS獎）。芝加哥大學博士學位。其博士論文提出了國際上第一個線性流形學習算法--保局投影，掀起了基于譜圖理論的線性降維算法研究熱潮。2001年至2004年間與微軟亞洲研究院同行合作進行信息檢索的研究，提出了基于網頁塊結構的鏈接分析方法，該方法在學術界和工業界引起了極大的反響，多家國際專業媒體報道了這一研究成果。2005年將流形