学术报告( Mingqing Xiao 11.23)

张量数据集的非凸低秩逼近

发布人:周妍 发布日期:2018-11-06
主题
张量数据集的非凸低秩逼近
活动时间
-
活动地址
数学学院416
主讲人
Mingqing Xiao 教授( Southern Illinois University)

摘要:

近年来,用张量来刻画大数据去解决各种复杂高维数据问题得到了广泛的发展。 许多结果已应用于信号处理,计算机视觉,机器学习,数据挖掘等众多领域。许多张量方法通过多重线性代数理论进行优化处理,可以在现代计算机系统上运行和进行大规模计算。高维数据的低秩逼近是大数据的一个重要研究课题。 大数据的低秩属性意味着数据是可以压缩的。这对于实际应用中具有极其重要的意义。 在本讲座中, 我们介绍我们最近通过非凸正则化对张量数据集进行低秩逼近的一些结果。 并将介绍如何应用于张量的填充问题,张量鲁棒主成分分析,多视图聚类等相关高维数据问题。

 

数学学院

2018年11月6日