报告会主题：基于信息论和重要性抽样的聚类方法
时间：2026年5月29日14:30
地点：北新街校区图书馆1楼报告厅
报告人：张讲社教授
报告摘要：针对机器学习问题中未来分布与当前分布不一致的问题，基于信息论原理和重要性抽样方法提出了一个聚类分析方法。新方法通过重要性采样，对期望失真、条件熵和分布偏移进行转化，得到一个有约束的极小极大极小问题。对于这一优化问题，给出了基于迭代和基于重整形式的两种优化算法，证明了模糊C-均值是其特例，并为模糊C-均值的模糊隶属度m提供了一种信息论和统计物理解释，解决了模糊分析领域长达数十年的公开问题--模糊C-均值聚类的理论基础和模糊参数的理论意义。这一方法可用于平权和稳健机器学习算法。
报告嘉宾简介：张讲社，博士研究生导师，西安交通大学数学与统计学院统计系二级教授，我院客座教授，主要从事统计数据处理、统计决策和机器学习等方面的研究。曾获2007年国家自然科学二等奖、2006年教育部自然科学一等奖。现为教育部统计学类专业本科教学指导委员会委员，教指委和高等教育出版社统计类数据科学专业本科教材编写委员会主任，陕西省统计学学会理事长，陕西省高等学校咨询委员会委员西安交通大学统计决策和机器学习研究所所长，西安数学技术研究院副院长等。
曾任国家自然科学基金委信息学部和数理学部专家评审组成员、陕西省数学会理事长，中国数学会常务理事，西安交通大学信息科学系系主任、理学院常务副院长。先后承担国家重点基础研究发展规划(973)课题、国家自然科学基金委重大研究计划项目，国家自然科学基金面上项目、香港UPGC项目等10余项，在相关研究方向先后发表高质量论文100 余篇。在大数据处理方面，曾参与和主持石油勘探、多项遥感图像处理、大气污染数据分析、极端气候和风能利用分析、电力系统负荷预测、地震数据分析和金融数据分析等实际数据分析课题，具有丰富的数据处理实践。
