报告题目：L21规范和跟踪规范：用于数据恢复和特征选择的稀疏编码和低秩矩阵模型

主讲嘉宾: 丁宏强 教授

时间: 9:30-11:00上午

地址: 计算机与软件学院623会议室

报告人简介:

丁宏强Chris H.Q. Ding, 在美国哥伦比亚大学李政道教授研究小组求学，获博士学位。长期工作于加州理工学院，喷气动力实验室，劳伦斯-伯克利国家实验室。2007年加入德州大学阿灵顿分校任终身教授。研究领域包括数据挖掘，机器学习，信息检索，高性能计算等。研究成果被Science与Nature杂志作为封面介绍和描述。在低秩，降维，非负矩阵分解，谱聚类等做了开创性的工作。国际上第一次提出矩阵L21范数的概念。已发表200余篇高水平论文，被引用42600余次H指数81。发表在IEEE TPAMI上一篇论文被引6822次。2018年全球Top 1000计算机和电子工程科学家按H指数排名，71位美国华人学者上榜，丁宏强排名30。

报告摘要:

稀疏编码和低秩模型是机器学习中最近开发的技术，广泛用于健壮的数据恢复（恢复严重损坏的图像）和特征选择（选择导致疾病的基因）。稀疏编码使用基于L21规范的多类特征选择。 跟踪规范正则化最近作为流行的形式主义出现，以强制在数据表示中使用低排名。 稳健的数据恢复使用L1或L21规范作为错误函数。通过学习稀疏代码，字典学习比PCA更好地获得数据表示。已经提出了许多新的想法和变体。我们调查了这些新的和正在发展的研究领域。