内容简介：雷锋网AI研习社讯：聚类是统计学、机器学习和数据挖掘领域的重要研究问题之一，其目的是将数据对象划分为多个类或簇(cluster)，使同一簇中的对象之间有较高的相似度，而不同簇中的对象有较大的差异。聚类是数据分析的重要手段，在客户分群、基因识别、文本分析、空间数据处理、卫星照片分析、医疗影像自动检测等领域有着广泛的应用。基于图的聚类方法通过将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到聚类的目的。与传统的聚类算法相比，它能工作在任意的空间、能对任意形状的数据
雷锋网AI研习社讯：聚类是统计学、机器学习和数据挖掘领域的重要研究问题之一，其目的是将数据对象划分为多个类或簇(cluster)，使同一簇中的对象之间有较高的相似度，而不同簇中的对象有较大的差异。聚类是数据分析的重要手段，在客户分群、基因识别、文本分析、空间数据处理、卫星照片分析、医疗影像自动检测等领域有着广泛的应用。基于图的聚类方法通过将带权无向图划分为两个或两个以上的最优子图，使子图内部尽量相似，而子图间距离尽量距离较远，以达到聚类的目的。与传统的聚类算法相比，它能工作在任意的空间、能对任意形状的数据进行聚类。但是，由于这类算法需要进行特征向量分解，具有较高的复杂度，所以在大数据时代面临巨大的挑战。我们针对大数据的需求，提出了一系列新的图聚类方法及优化方法。
分享主题
Graph-based Clustering of Large-scale Data（面向大数据的图聚类方法）
分享嘉宾
陈小军，深圳大学计算机与软件学院讲师，主要研究方向为无监督学习、特征选择、集成学习等。发表了40余篇学术论文，包括十余篇CCF A类文章，如SIGKDD、ICDE、ICCV、AAAI、IJCAI、TKDE、TNNLS等。
分享提纲
1、聚类
2、图聚类及归一化割
3、分享的工作：
ISR: Improved Spectral Rotation [IJCAI 2017]
DNC: Direct Normalized Cut [SIGKDD 2018]
BKM: Balanced k-means for anchor generation [SIGKDD 2018]
分享时间
（北京时间 ） 10 月 26 日（星期五） 20:00
直播链接
http://www.mooc.ai/open/course/584
想了解更多雷锋网 AI 研习社直播？
欢迎移步 雷锋网 (公众号：雷锋网) AI 研习社社区 ~
雷锋网版权文章，未经授权禁止转载。详情见 转载须知 。
以上所述就是小编给大家介绍的《大讲堂 | 面向大数据的图聚类方法》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- 大讲堂 | 时序预测中深度学习介绍
- 大讲堂 | 渐进式神经网络结构搜索
- 大讲堂 | 义原的介绍和义原的自动推荐
- 大讲堂 | 人工智能所需的数学基础
- 大讲堂 | 物体检测算法的近期发展及开源框架介绍
- 大讲堂 | 点击率预估问题中的深度兴趣网络
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
