報告人：Asoke K. Nandi院士
講座時間：2018年4月4日 14：30-15：30
講座地點：電子信息學(xué)院樓119
邀請人：王毅副教授
承辦學(xué)院：電子信息學(xué)院
聯(lián)系人：王毅副教授
聯(lián)系電話：13022882368
報告簡介：
聚類算法常用于從大數(shù)據(jù)集提取信息，它們代表了無模型或者數(shù)據(jù)驅(qū)動方式。在過去的二十年間，聚類算法被用于生物信息學(xué)中的基因分類和大腦信號處理。然而，在擁有較少先驗知識的實際數(shù)據(jù)應(yīng)用中，由于真實數(shù)據(jù)的不可知，選擇一種合適的聚類算法并且評價分類結(jié)果的質(zhì)量就變得非常困難。此外，基于一種特定算法的結(jié)論也會存在偏差，因為每種算法本身都有關(guān)于數(shù)據(jù)結(jié)構(gòu)相應(yīng)的假設(shè)，這些假設(shè)也許與實際數(shù)據(jù)不相符。
另一個關(guān)于多數(shù)據(jù)集的重要問題是，進行相同的實驗時，多數(shù)據(jù)集也許已經(jīng)在相同的實驗室或者在不同的時間、不同的實驗室和不同的設(shè)置下生成。在這種假設(shè)下，實質(zhì)上都有來自相似實驗的異構(gòu)數(shù)據(jù)集的集合。困難在于在這種假設(shè)下，如何才能得出一致的結(jié)論則。本報告將解決這些問題，并且展示最近應(yīng)用Bi-CoPaM和UNCLES來分析功能性核磁共振圖像數(shù)據(jù)和基因數(shù)據(jù)的實驗結(jié)果。
報告人簡介：
Nandi教授現(xiàn)為英國布魯內(nèi)爾大學(xué)電子與計算機工程系主任，英國皇家工程院院士，IEEE等7個國際學(xué)會會士，芬蘭國家FiDiPro計劃杰出教授，發(fā)表論文500多篇，其中國際權(quán)威期刊200多篇。在統(tǒng)計信號處理、無線通信、機器學(xué)習(xí)和生物醫(yī)學(xué)信號處理方面做出了開拓性的理論研究，在基因組信號處理和腦信號處理應(yīng)用方面的貢獻巨大，研究包括自動調(diào)制識別、分類和機器學(xué)習(xí)、盲源分離、高能物理、應(yīng)用于基因組的信號處理和腦信號處理。
