面向数据流挖掘的在线学习算法及新进展

报告题目：面向数据流挖掘的在线学习算法及新进展

报告人：渐令 博士，中国石油大学（华东）

报告时间地点：2018-12-29下午2:00-3:00，工商楼200-9

报告摘要：报告指出了数据流挖掘问题的研究意义和面临的挑战与机遇，并系统介绍了线性、非线性、全信息反馈、有限信息反馈等在线学习算法的发展脉络，包括：Perceprton、Passive-Aggressive Algorithm、Kernel Perceptron、Budgeted SVM、BOLSSVM、有限信息反馈在线学习算法、耐噪在线学习算法等。

报告人简介：渐令，博士，副教授，硕士生导师，IEEE 高级会员，中国石油大学统计机器学习课题组负责人。目前主要从事大规模机器学习、数据流挖掘算法的研究。主持国家自然科学基金面上、青年、天元青年基金等省部级以上科研项目5项。在人工智能顶级学术会议IJCAI 2016、国际学术会议IEEE BIBM 2015、 IEEE ICDM 2016 上发表会议论文 3 篇。在《ACM Trans. Intel Syst Tec》《IEEE Trans. Neur Net Lear》《IEEE Trans. Fuzzy Sys》《IEEE Trans. Ind Elec》《IEEE Trans. Auto Sci Eng》《Data Min Knowl Disc》等 SCI 期刊发表科研论文 30 余篇，申请国家发明专利 9 项，已授权 2 项。担任国家自然科学基金函评专家、教育部学位中心通讯评议专家、SIAM 会员、中国自动化学会数据驱动控制学习与优化专委会委员。入选中国石油大学（华东）“青年骨干教师人才建设工程”，获山东省高等学校自然科学奖二等奖。

联系人：郜传厚（gaochou@zju.edu.cn）