报告题目：k-sums聚类：一种可替代k-means的高效聚类算法
报告人：聂飞平教授（西北工业大学）
报告时间：2020年12月8日（星期二）下午14:30
报告地点：大学城校区工学一号馆学术报告厅
主持人：杨志景教授
报告摘要：
谱聚类和k-means作为两种十分流行的聚类算法，相关研究一直是一个热门方向。这两种算法可以统一到同一种框架下，我们有如下发现：1.本质上，k-means致力于最小化类内的平均距离，而谱聚类致力于最大化类内的平均相似度。2.从图的观点来看，k-means采用的是全图，即任意两个样本之间的距离都没有被忽略，而谱聚类采用的是近邻图，一般只计算每个样本与其k近邻之间的相似度。我们针对平衡场景，首先对谱聚类模型做出简化，并且用近邻距离代替传统的相似度，以避免衡量相似度所带来的困扰。针对简化后的模型，我们提出了一种高效的优化算法。该算法基于标准的坐标下降方法，不同之处在于，我们针对坐标下降中涉及的子问题，设计了更快的求解算法。整个算法的复杂度为O(nk)，它和聚类个数无关。因此在类别较多的数据上，相比于k-means算法，我们的算法在获得更好的性能同时，有着明显的速度优势。
个人简介：
聂飞平，西北工业大学教授、博导，科技部领军人才，主要研究兴趣为机器学习理论和方法。已发表IEEE Transactions期刊长文100余篇，CCF A类会议长文100余篇。论文总被引用20000余次，H指数76。入选科睿唯安“全球高被引科学家”，爱思唯尔“中国高被引学者”，Guide2Research“全球顶尖计算机科学家”，清华大学“人工智能全球最具影响力学者”等榜单。
