发简信
IP属地：香港
-
浅说孤立分布核函数（Isolation Distributional Kernel）
孤立核（Isolation Kernel）函数是一种具备自适应数据局部密度分布的相似度度量方法。其可以收缩放大不同区域中数据点间的相似度，即同样...
-
孤立核函数 (Isolation Kernel) 的聚类效果展示Ye Zhu, Deakin University2021/10/1 当前有很多核方法（kernel method）来改进现有的基于距离的聚类算...
-
孤立核函数（ Isolation Kernel）的前世今生“人类的知识祭奠都是来源于探究事物的相似和不同之处。” —— 诺贝尔 图1显示了橘子和苹果的酸甜度分布图，如果出现了一个新的水果（披着苹果皮橘子...
-
基于最近邻距离的孤立异常检测方法（iNNE） 异常检测 进阶篇孤立森林（iForest）作为首个基于孤立机制的异常检测算法，近十年来在学术界和工业界获得了巨大反响，目前也有很多基于其的后续改进算法，运用于不...
-
基于密度的聚类方法 Density-based clustering“The observation of and the search for similarities and differences are ...
-
iForest （Isolation Forest）孤立森林 异常检测 入门篇iForest （Isolation Forest）孤立森林 是一个基于Ensemble的快速异常检测方法，具有线性时间复杂度和高精准度，是符合...
个人介绍
祝烨博士现为澳大利亚迪肯大学终身高级讲师（等同北美和中国大陆地区副教授，博导）。本科毕业于华中师范大学计算机科学系，硕士毕业于英国伦敦帝国理工学院。2017年于澳大利亚蒙纳士大学获得人工智能博士学位并取得全校年度最佳毕业论文Mollie Holman Medal奖。之后在澳大利亚迪肯大学从事数据挖掘相关的研究与教学工作至今。主要研究课题为聚类，异常监测，相似度计算和模式识别。绝大部分科研成果发表于CCF A/B期刊会议，包括SIGKDD, AAAI, IJCAI, VLDB, Artificial Intelligence Journal, Pattern Recognition Journal, Information Sciences Journal和Machine Learning Journal。目前担任SIGKDD, AAAI，IJCAI, ECML-PKDD，PAKDD等国际主流数据挖掘会议的评委。