témavezető: Aszalós László
helyszín (magyar oldal): Debreceni Egyetem Informatikai Tudományok Doktori Iskola helyszín rövidítés: ITDI
A kutatási téma leírása:
A nem-felügyelt tanulási algoritmusok jelentős részénél az objektumok távolsága alapján történik meg a klaszterek kialakítása. A korrelációs klaszterezés az objektumok hasonlóságát használja fel ugyanerre. Ez lehetővé teszi olyan új területeken is a gépi tanulás bevezetését, ahol ezt a korábbi klaszterezési módszerek nem tették lehetővé. A kutatásunk középpontjában ezeknek a területeknek a felfedezése áll, valamint az ide illeszkedő toleranciareláció konstrukciója. Hangsúlyt fektetünk a különféle gyakorlati problémák megoldására, figyelembe véve a hatékonysági kérdéseket..
Irodalom
[1] Bansal, Nikhil, Avrim Blum, and Shuchi Chawla. "Correlation clustering." Machine learning 56.1-3 (2004): 89-113.
[2] Kim, Sungwoong, et al. "Image segmentation using higher-order correlation clustering." IEEE transactions on pattern analysis and machine intelligence 36.9 (2014): 1761-1774.
[3] Samal, Mamata, V. Vijaya Saradhi, and Sukumar Nandi. "Scalability of correlation clustering." Pattern Analysis and Applications 21.3 (2018): 703-719.
[4] Keuper, Margret, et al. "Motion segmentation & multiple object tracking by correlation co-clustering." IEEE transactions on pattern analysis and machine intelligence (2018).
Jelentkezési határidő: 2023-01-15
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
