报告题目：面向大规模数据分析的聚类方法研究进展（Information Extraction from Large Datasets Consensus Clustering Paradigm）

报告人：Asoke K. Nandi

报告时间：2018日4月3日（星期二）下午14：30-16：30

报告地点：电气与信息工程学院 学术报告厅（实验楼2A-206）

科技处 电气与信息工程学院

2018年4月2日

报告人及内容简介：

Asoke K. Nandi教授。2013年起，在布鲁内尔大学担任电子与计算机工程系的系主任。Nandi教授被芬兰韦斯屈莱大学授予“芬兰杰出教授”，并在加拿大卡尔加里大学兼任教授。Nandi教授是“大数据”方面的专家，从事异构数据处理，并从不同实验室、不同时间的多源数据集中提取信息。已撰写了550多部技术出版物，包括220期刊论文，以及四本书：《自动调制分类：原理、算法和应用》、《生物信息学的综合聚类分析》、《使用高阶统计量的盲目评估》和《通信信号的自动调制识别》。近期在Blood，IEEE TWC，PLOS ONE，Royal Society Interface，NeuroImage, and Signal Processing等发表了一系列研究成果，其出版物在谷歌学术搜索中的h指数为67。Asoke K. Nandi教授现在英国布鲁内尔大学担任电子和计算机工程系主任。他的研究是对科学和工程流程中进行分析、建模、信号解密，来实现信息抽取流程，来提取信息。Nandi教授目前的研究兴趣在信号处理和机器学习等领域，并将其应用到通信，基因表达数据，功能磁共振数据和生物医学数据，其提出基础理论和算法对信号处理和机器学习的很多相关研究领域产生了重要贡献。

集群算法近几十年来在很多领域被开发和应用，但在实际数据应用中仍存在许多问题，本报告讨论解决如何选择合适的聚类算法并评估聚类结果的质量，解决基于一种特定算法可能有偏差问题，解决如何在不同环境下进行相似实验的导致一致结果等问题。并报告最近应用Bi-CoPaM和UNCLES来分析fMRI数据和基因数据的结果。