Classic Clustering Algorithms to Live By [ 熊辉，罗格斯－新泽西州立大学教授] 2019年中国计算机大会 计算机经典算法回顾与展望——机器学习与数据挖掘论坛

报告主题：Classic Clustering Algorithms to Live By

报告摘要：聚类是传统的无监督学习任务，其目标是将一组对象进行分组，以使同一聚类中的对象彼此之间的相似性高于其他聚类中的对象。 在本次演讲中，首先介绍一些经典的聚类算法，例如K-means。 本演讲的重点是揭示为什么这些聚类算法的原始思想来自现实生活，以及如何将这些算法应用于我们的日常生活，从而以更有效的方式帮助做出决策。

邀请嘉宾：美国罗格斯－新泽西州立大学终身正教授、RBS院长讲席教授；目前学术休假担任百度商业智能实验室和百度人才智库主任。熊辉教授主要研究领域涵盖数据挖掘、商业智能、以及管理大数据。他获得的部分荣誉包括ACM杰出科学家、中国教育部长江讲座教授、中国国家基金委海外杰青B类（海外及港澳学者合作研究基金）、哈佛商业评论2018年“拉姆.查兰管理实践奖”-全场大奖、2017 IEEE ICDM Outstanding Service Award、和ICDM-2011最佳研究论文奖。熊辉教授是Encyclopedia of GIS (Springer)的共同主编，IEEE Transactions on Big Data (TBD)、 ACM Transactions on Knowledge Discovery from Data (TKDD) 和 ACM Transactions on Management Information Systems (TMIS)的编委。曾担任ACM KDD 2012企业及政府专题的共同程序委员会主席、2018中国大数据技术大会共同大会主席、IEEE ICDM 2013的共同程序委员会主席、IEEE ICDM 2015的共同大会主席，以及ACM KDD-2018的研究专题程序委员会主席。