bat365中文官方网
科研工作

基于图学习的深度多视图聚类

来源:bat365中文官方网站     发布日期:2023-06-07    浏览次数:


 

报告时间:2023614日(周三)1300 1700

报告地点:线上腾讯会议263-698-148

报告题目:基于图学习的深度多视图聚类

报告简介:多视图聚类是多视图学习领域的重要研究方向之一,旨在充分利用不同视图间的互补信息并由此改善聚类效果。随着深度学习技术的蓬勃发展,一系列深度多视图聚类算法被提出,取得了比传统浅层方法更优异的性能。然而,已有深度多视图聚类算法往往无法有效地利用图结构信息,导致聚类结果难以进一步提高。本报告针对多视图聚类研究中的前沿问题,阐述报告者近年来在聚类领域的相关研究进展,着重介绍近期在基于自监督学习的深度多视图聚类、基于图学习的深度多视图聚类等方面的研究成果,分析聚类算法未来的发展趋势。

 报告人介绍:任亚洲,电子科技大学计算机科学与工程学院副教授,硕士生导师。从事人工智能与智慧医疗的研究,在AAAIIJCAICVPRICCVNeurIPSACM MMSIGIRICDMECCV等国际顶级会议,以及TKDETIPTGRSNNKBSIS等国际知名期刊上发表论文80多篇(其中第一/通讯作者40多篇)。主持国家自然科学基金(NSFC)青年基金1项、四川省科技计划重点研发项目1项、广东省自然科学基金1项、中国博士后科学基金1项等;作为骨干成员参研科技创新2030-“新一代人工智能重大项目、NSFC重点项目、四川省重大科技项目等多个项目。 现任中国工业和应用数学学会大数据与人工智能专委会委员;中国医药教育协会临床智能分会委员;四川省人工智能学会理事;成都市生物医学工程学会理事。

 

 

上一篇
下一篇