2024年7月28日，南加州大学陈晓辉副教授受邀为我校师生作了题为“K-means聚类的统计最优性和计算保证”的高水平学术讲座，感兴趣的师生在高新园区图书教育中心C101多功能厅听取了此次报告。本次报告会由陈彦教授主持。

K-means聚类是一种广泛应用的机器学习方法，通过数据点的相似性将其进行分组。然而，解决K-means问题在计算上具有较大困难。为此，学术界和工业界已经探索了多种易于处理且具备可扩展性的近似算法，包括劳埃德算法、谱聚类、非负矩阵分解以及半定规划。在此次演讲中，陈晓辉副教授讨论了其研究团队在K-means松弛公式的统计最优性和计算保证方面的最新进展。为打破计算瓶颈，该团队利用凸优化和非凸优化技术解决聚类问题，并提出了在标准高斯混合模型下精确恢复聚类标签的信息论锐阈值的实现。

 讲座结束后，陈晓辉副教授回答了现场师生的提问，并就理论机器学习与深度学习之间的优劣与发展方向等问题进行了深入交流。讲座在热烈的氛围中圆满结束，陈晓辉副教授深入浅出的讲解使得复杂的理论研究变得通俗易懂，赢得了在场师生的一致好评。

陈晓辉副教授简介：

陈晓辉博士是美国南加州大学数学系副教授。他于2019-2023年在伊利诺伊大学厄巴纳-香槟分校(UIUC)担任统计学副教授，2013-2019年担任统计学助理教授。2019-2020年，他在麻省理工学院(MIT)数据、系统和社会研究所(IDSS)担任客座教授。他于2013年获得加拿大温哥华不列颠哥伦比亚大学(UBC)电气与计算机工程博士学位。他是芝加哥丰田技术研究所(TTIC)的博士后研究员，TTIC是位于芝加哥大学校园内的一个慈善捐赠的学术计算机科学研究所。他获得了许多著名的研究奖项，包括2018年美国国家科学基金会职业奖，2018年UIUC的 Arnold O. Beckman奖，2019年ICSA杰出青年研究员奖，2020-2021年UIUC高级研究中心副研究员，以及2020-2021年Simons基金会数学奖学金。