报告人：Asoke K. Nandi院士
讲座时间：2018年4月4日 14：30-15：30
讲座地点：电子信息学院楼119
邀请人：王毅副教授
承办学院：电子信息学院
联系人：王毅副教授
联系电话：13022882368
报告简介：
聚类算法常用于从大数据集提取信息，它们代表了无模型或者数据驱动方式。在过去的二十年间，聚类算法被用于生物信息学中的基因分类和大脑信号处理。然而，在拥有较少先验知识的实际数据应用中，由于真实数据的不可知，选择一种合适的聚类算法并且评价分类结果的质量就变得非常困难。此外，基于一种特定算法的结论也会存在偏差，因为每种算法本身都有关于数据结构相应的假设，这些假设也许与实际数据不相符。
另一个关于多数据集的重要问题是，进行相同的实验时，多数据集也许已经在相同的实验室或者在不同的时间、不同的实验室和不同的设置下生成。在这种假设下，实质上都有来自相似实验的异构数据集的集合。困难在于在这种假设下，如何才能得出一致的结论则。本报告将解决这些问题，并且展示最近应用Bi-CoPaM和UNCLES来分析功能性核磁共振图像数据和基因数据的实验结果。
报告人简介：
Nandi教授现为英国布鲁内尔大学电子与计算机工程系主任，英国皇家工程院院士，IEEE等7个国际学会会士，芬兰国家FiDiPro计划杰出教授，发表论文500多篇，其中国际权威期刊200多篇。在统计信号处理、无线通信、机器学习和生物医学信号处理方面做出了开拓性的理论研究，在基因组信号处理和脑信号处理应用方面的贡献巨大，研究包括自动调制识别、分类和机器学习、盲源分离、高能物理、应用于基因组的信号处理和脑信号处理。
