讲座人简介：

李华雄，现为南京大学控制科学与智能工程系教授、博士生导师，IEEE/ACM/CAAI高级会员，中国人工智能学会粒计算与知识发现专委会、机器学习专委会委员、中国计算机学会杰出会员，中国计算机学会人工智能与模式识别专委会执行委员、计算机视觉专委会委员，江苏省自动化学会理事，江苏省人工智能学会模式识别专委会委员。先后主持国家自然科学基金项目等项目10余项，参与国家自然科学基金项目等项目10余项，在IEEE TPAMI, TKDE, TNNLS, TCYB, TMM, TCSVT, TFS, ACM MM, AAAI, ICML, IJCAI,《中国科学:信息科学》等国内外期刊和会议上发表学术论文100余篇。目前的研究兴趣主要有机器学习中的交替优化方法、多模态机器学习与数据挖掘、鲁棒模式识别、跨模态哈希检索、多视图学习等。

讲座简介：

多模态与多视图学习是机器学习领域的重要方向，其理论模型可用优化问题建模，采用优化方法求解，而这些优化问题通常难以给出解析形式的解，需借助交替优化方法求解。交替方向乘子法是有约束条件下的一种重要交替优化方法，其将优化目标函数分解为更易求解的子目标函数，通过交替更新迭代子目标函数，求得原目标函数的最优解。本报告从自适应标签关联跨模态哈希学习、弱监督跨模态哈希方法、基于特征解耦与图学习的多视图聚类方法等多个角度，介绍交替优化方法及其在多模态与多视图学习中的应用。