报告人简介

白亮，山西大学智能信息处理研究所所长，教授，博士生导师，国家优秀青年基金获得者。主要研究方向为机器学习与聚类分析，相关研究成果发表在AIJ、IEEE TPAMI、IEEE TKDE、DMKD、ICML、KDD、AAAI等国际重要学术期刊和会议，主持了科技部新一代人工智能重大项目课题、国家自然科学基金重点等项目，获得了包括中国人工智能学会优秀博士论文奖、山西省科学技术奖（自然科学类）一等奖等奖励。

内容简介

聚类分析是一种极具代表性的无监督机器学习方法，由于其不需要标注信息，在众多应用领域获得了广泛关注。然而，无监督性也给聚类分析的有效性带来了巨大的挑战，聚类分析结果往往与用户的期望具有很大的距离。如何缩小这一差距已成为聚类分析的重要研究课题。为此，本报告将重点汇报基于约束的聚类算法研究进展，并以谱聚类和对比聚类为例，探索如何挖掘和利用数据的关联性去实现监督信息增强与聚类建模。