报告题目：Matrix Decomposition - A savoury ingredient for cooking your research

报告人：陶大成 教授, IEEE高级会员

单位：悉尼科技大学

报告地点：校学术活动中心一楼大报告厅

报告时间：2014年10月21日（周二）上午9:00-10:30

摘要：矩阵分解是机器学习中非常有效的数学工具，并在过去数十年中在模式分类和数据可视化中取得了广泛的应用和巨大的成功。本次报告首先介绍最为简单和经典的PCA算法，进而展现近年来矩阵分解方法的进展，如非负矩阵分解(Non-negative Matrix Factorization, NMF)和低秩稀疏矩阵分解(Low-Rank and Sparse Decomposition, LRSD)。在此基础上，报告将进一步揭示上述方法与矩阵分解最新进展之间的联系，如GoDec and GreB、Divide & Conquer Anchoring、Regularized NMF、and Multi-view Data Modelling等方法。在大量数据集上的实验表明，这些矩阵分解方法将有效解决计算机视觉和数据挖掘中的诸多关键问题和难点。

报告人简介：陶大成教授是计算机科学领域的国际著名学者，现任职于悉尼科技大学计算机系。陶大成教授分别在中国科学技术大学、香港中文大学和伦敦大学取得学士、硕士和博士学位。陶大成教授在机器学习、数据挖掘、计算机视觉、图像与多媒体信息处理、视频监控和神经科学等众多研究方向上取得了丰硕的研究成果，至今已发表超过300篇学术论文，包括超过100篇的IEEE/ACM汇刊；并获得包括国际顶级会议ICDM最佳学生论文在内的多个最佳论文奖。陶大成教授现为多份国际顶级期刊副主编，如IEEE图像处理汇刊(TIP)、IEEE知识与数据工程汇刊(TKDE)、IEEE电路系统与视频技术汇刊(T-CSVT)、IEEE控制论汇刊(T-CYB)、模式识别(PR)、信息科学(INS)、信号处理(SP)。

百富策略bfball手机版