讲座题目：一种新型的单类分类器
讲座时间：2016年1月15日下午1:00—2：30
讲座地点：计算机大楼A521报告厅
主讲人：韩霄松 计算机科学与技术学院讲师，2015年7月-2016年1月于西班牙奥维耶多大学计算机系进行博士后研究。主要从事人工智能，机器学习，优化调度方面的研究。
讲座摘要：支持向量数据描述（SVDD）方法适合用来解决高维、样本数据有限的单分类问题并已取得了很好的效果，但是当目标数据分布不均、各处数据的密度相差较大时，SVDD的分类性能会受到影响。我们引入并行的思想对SVDD算法进行改进，提出一种AP聚类与SVDD算法相融合的自适应的SA_SVDD算法。本算法首先将数据集进行聚类处理，使得到的每一个子类中的数据分布都较为紧凑，并对每个子类分别进行边界描述，以所有子类的边界面作为最终的判别标准。我们利用本组提出的基于全局最优预测的自适应变异粒子群优化算法(GPAM-PSO)对SVDD参数进行了自适应优化，通过若干标准数据集验证表明，SA_SVDD算法的分类性能有明显的提高。
主办单位：吉林大学计算机科学与技术学院
吉林大学计算机科学技术研究所
吉林大学软件学院
符号计算与知识工程教育部重点实验室
中国计算机学会吉林大学学生分会
欢迎广大师生踊跃参加！
