报 告 人：周杰 副研究员，深圳大学

报告时间：12月8日（周日）15:20～16:10

报告地点：乐乎新楼2号楼二层，学海厅

邀 请 人：岳晓冬 副教授

报告摘要：

不确定信息的有效处理对大数据环境下的关键信息挖掘至关重要。粒计算可从不同视角、不同粒度层面对不确定性信息进行有效刻画，为以人为中心的不确定信息处理提供了新的思路。作为粒计算的两种主要模型，粗糙集理论和模糊集理论具有很强的互补性，基于粗糙集和模糊集的无监督学习亦得到了广泛研究，但模型中关键参数引起的模型不确定性以及模型本身的性能均需要深入研究。本研究提出了基于阴影集的多粒度粗糙模糊聚类方法，将传统的单层粗糙模糊聚类算法拓展为多粒度框架下的粗糙模糊聚类算法，定量刻画了模糊系数引起的不确定性，同时消除了近似区域划分阈值的局部缺陷。针对噪声环境下的不确定数据分析，进一步提出了多粒度粗糙可能聚类方法，使得模型中的尺度参数自适应调整，有效降低了噪声数据对聚类结果的影响。

报告人简介:

周杰，男，博士，高级工程师，深圳市高层次后备级人才，现为深圳大学计算机与软件学院副研究员。2011年6月于同济大学获得模式识别与智能系统专业工学博士学位。2009年至2010年为加拿大埃尔伯塔大学访问学者，2017年至2018年在香港理工大学纺织与制衣学系任副研究员。在不确定性分析、模式识别、计算机视觉、智能系统研发等方面具有多年研究经验，并具有丰富的工程领域数据挖掘及智能控制系统开发实践经验。在Pattern Recognition、Information Sciences、 International Journal of Intelligent Systems、Knowledge-Based Systems、Neurocomputing、电子学报等国内外重要学术刊物上发表论文30余篇，获得CRSSC-CWI-CGrC-2010大会优秀论文奖、AIFT2019国际会议最佳论文奖。担任多个国际期刊审稿人。申请多项国家发明专利，其中授权发明专利9项。主持和参与多项不确定性分析、特征提取及图像处理方面的国家和省部级科研项目。