报告主题：Support Vector Machine Classifier by Non-Euclidean Margins
时间：12月22日(周二) 上午10:00-12:00
地点：北二540
报告人：叶颀（邀请人:蔡佳）
报告摘要：本报告将传统的支持向量机分类器推广到非欧氏距离情形。我们首先通过非欧式距离推广支持向量机分类器的线性模型，包括软间隔分类器和硬间隔分类器。特别地，关于无穷范数间隔的支持向量机分类器可以通过稀疏性的1范数优化问题求解。接着，我们可以看到关于q范数间隔的支持向量机分类器可以等价的转化为关于hinge损失的再生核Banach空间中p范数支持向量机分类器，这里1/p+1/q = 1。最后，我们通过人工合成数据和真实数据比较了关于无穷范数的支持向量机分类器的性能。
报告人简介：叶颀现任华南师范大学数学科学学院的教授和博士生导师。叶教授一直从事核函数逼近方法的理论及其应用研究，在美国伊利诺理工大学（Illinois Institute of Technology）博士学习期间师从核函数逼近方法专家Gregory E. Fasshauer教授，博士毕业后到美国雪城大学（Syracuse University）与计算数学专家许跃生教授展开博士后研究工作，之后又到香港与径向基函数专家韩耀宗教授和凌立云教授展开合作研究。叶教授入选第十二批国家海外高层次人才引进计划青年人才项目，并且主持国家自然科学基金青年基金项目和面上项目、广东省教育厅广东高校重大科研项目和广东省自然科学基金面上项目等。叶教授主要的研究方向是逼近论及其在机器学习与数据分析中的应用，并开展核函数逼近方法新概念的研究——再生核巴拿赫空间和核函数概率测度。叶教授还和许教授共同提出了国际原创性研究课题——稀疏机器学习方法，相关的一百二十多页长文发表在了美国数学学会主办的期刊《Memoirs of the American Mathematical Society》，该期刊每期只刊登一篇文章，并是该期刊发表的首篇关于机器学习的论文，也是国内计算数学工作者首次在该期刊发表的长文。叶教授在华南师范大学成立了“机器学习与最优化计算实验室”，成员由国内外专家学者组成，实验室是以机器学习方法的数学理论为主要研究目标，研究范畴包括逼近论、最优化理论、支持向量机、人工神经网络、教育大数据与医疗大数据分析等国际前沿领域。
