题目：基于超曲面的机器学习算法研究
时间：2014年10月17日上午10:30—11:30
地点：格致中楼503室
报告人：何清 研究员
　　介绍报告人提出的基于超曲面的一系列机器学习算法，包括：基于超曲面的分类方法；极小样本集与分类精度；基于超曲面的并行分类算法；基于超曲面的大数据分布发现算法；基于超曲面的聚类算法；基于超曲面的离群点检测方法。除了介绍算法，更重要的是阐明了极小样本集对分类精度的决定性影响，以及在分布不确定的大数据抽样中的重要作用。
　　何清简历：
　　2000年8月北京师范大学博士毕业后，进入中国科学院计算技术研究所做博士后工作，出站后留所工作，现任中国科学院计算技术研究所研究员、博士生导师，中国科学院智能信息处理重点实验室机器学习与数据挖掘课题组负责人。兼任中国人工智能学会副秘书长，常务理事，机器学习专业委员会常务理事，分布智能与知识工程专业委员会秘书长，中国电子学会云计算专家委员会和大数据专家委员会委员。
　　主要研究领域：机器学习与数据挖掘，基于云计算的大数据挖掘。主要学术贡献：提出了基于超曲面的覆盖学习算法；提出极小样本集抽样方法与相关理论；提出了基于进化规划的基于摄动的模糊聚类改进算法，解决了模糊聚类失真问题；证明了模糊集扩展原理在范畴论意义下的合理性；提出概念语义空间用于知识管理；提出基于极限学习机的分类、聚类、回归、异常发现算法。在国内外重要刊物和会议上发表近百篇学术论文。