报告人：澳大利亚南昆士兰大学  张吉教授

报告时间：2020年1月16日上午9：30-10：30

报告地点：软件大楼220会议室

报告摘要：

In this work, we study the problem of subspace outlier detection in high dimensional data space and propose a new genetic algorithm-based technique to identify outliers embedded in subspaces. The existing technique, mainly using genetic algorithm (GA) to carry out the subspace search, is generally slow due to its expensive fitness evaluation and long solution encoding scheme. In this talk, I will discuss a novel technique to improve the performance of the existing GA-based outlier detection method using a bit freezing approach to achieve a faster convergence. Through freezing converged bits in the solution encoding strings, this innovative approach can contribute to fast crossover and mutation operations and achieve an early stop of the GA that leads to more accurate approximation of the fitness function. This research work can contribute to the development of a more efficient search method for detecting subspace outliers. The experimental results demonstrate the improved efficiency of our technique compared with the existing method.

报告人简介

张吉，澳大利亚南昆士兰大学计算机科学副教授(相当于英国大学系统中的Reader和美国大学系统中的正教授)，博士生导师, IEEE高级会员，ACM会员，澳大利亚奋进学者，昆士兰学者，加拿大Killam学者，第3届世界智能大会特邀专家，美国密歇根州立大学、新加坡南洋理工大学和日本筑波大学访问客座教授，之江实验室高级研究员。张吉教授获2011年度南昆士兰大学杰出研究奖和澳大利亚奋进奖，2017开始入选美国Marquis世界名人堂（3%专业人士入选比例）。张吉教授2008年毕业于加拿大戴尔豪斯大学计算机系，获博士学位。张吉教授也曾在国立澳大利亚联邦科学与工业研究组织(CSIRO)，加拿大多伦多大学和新加坡国立大学从事过研究工作。张吉教授的主要研究方向为大数据分析,数据挖掘,信息隐私保护及安全，计算智能等。张吉教授已在国际主要期刊和国际会议中发表研究论文150余篇。