報告題目：面向大規模數據分析的聚類方法研究進展（Information Extraction from Large Datasets Consensus Clustering Paradigm）

報告人：Asoke K. Nandi

報告時間：2018日4月3日（星期二）下午14：30-16：30

報告地點：電氣與信息工程學院 學術報告廳（實驗樓2A-206）

科技處 電氣與信息工程學院

2018年4月2日

報告人及內容簡介：

Asoke K. Nandi教授，英國劍橋大學（三一學院）博士。2013年起，在布魯內爾大學擔任電子與計算機工程系的系主任。Nandi教授被芬蘭韋斯屈萊大學授予“芬蘭杰出教授”，并在加拿大卡爾加里大學兼任教授。曾獲IEEE海因里希赫茲獎（2012），孟加拉獎（2010），英國英國機械工程師學會水仲裁獎（1999），英國電氣工程學會蒙巴頓獎和電子與通訊事業部獎（1998）。Nandi教授是“大數據”方面的專家，從事異構數據處理，并從不同實驗室、不同時間的多源數據集中提取信息。已撰寫了550多部技術出版物，包括220期刊論文，以及四本書：《自動調制分類：原理、算法和應用》、《生物信息學的綜合聚類分析》、《使用高階統計量的盲目評估》和《通信信號的自動調制識別》。近期在Blood，IEEE TWC，PLOS ONE，Royal Society Interface，NeuroImage, and Signal Processing等發表了一系列研究成果，其出版物在谷歌學術搜索中的h指數為67。Asoke K. Nandi教授現在英國布魯內爾大學擔任電子和計算機工程系主任。他的研究是對科學和工程流程中進行分析、建模、信號解密，來實現信息抽取流程，來提取信息。Nandi教授目前的研究興趣在信號處理和機器學習等領域，并將其應用到通信，基因表達數據，功能磁共振數據和生物醫學數據，其提出基礎理論和算法對信號處理和機器學習的很多相關研究領域產生了重要貢獻。

集群算法近幾十年來在很多領域被開發和應用，但在實際數據應用中仍存在許多問題，本報告討論解決如何選擇合適的聚類算法并評估聚類結果的質量，解決基于一種特定算法可能有偏差問題，解決如何在不同環境下進行相似實驗的導致一致結果等問題。并報告最近應用Bi-CoPaM和UNCLES來分析fMRI數據和基因數據的結果。