报告题目：Multi Kernel spectral clustering
报告人：潘光明 教授 南洋理工大学
报告时间：2026年7月8日(星期三) 10:00-11:00
报告地点：伍卓群楼第一报告厅
校内联系方式：邹婷婷 zoutt260@jlu.edu.cn
报告摘要：
Kernel spectral clustering with a single bandwidth can be inadequate for data exhibiting multiple characteristic pairwise-distance scales, a problem particularly prevalent in the high-dimensional regime. We address this issue through a multi-kernel formulation that aggregates kernels with different bandwidths. We develop a rigorous theoretical analysis of the resulting method under a general high-dimensional, multi-scale mixture model with heterogeneous cluster centers and covariance geometries. Under suitable eigen-gap and cluster-separation conditions, we show that approximate K-means applied to the multi kernel spectral embedding achieves exact recovery with high probability.
报告人简介：
潘光明，新加坡南洋理工大学教授，博士生导师。2005年博士毕业于中国科学技术大学统计金融系；之后在新加坡国立大学、台湾中山大学、荷兰埃因霍温科技大学做博士后和学术交流工作；自2008年以来，在新加坡南洋理工大学工作；2013年遴选为国际统计学会会员(Elected Member of International Statistical Institute)。研究领域包括计量经济理论、高维统计、随机矩阵、多元统计等。已在《Journal of the Royal Statistical Society Series B》、《Annals of Statistics》、《Journal of the American Statistical Association》、《Annals of Probability》、《Annals of Applied Probability》、《Bernoulli》、《IEEE Transactions on Signal Processing》、《IEEE Transactions on Information Theory》等顶级统计学杂志上发表多篇学术论文， 担任《Random Matrices: Theory and Applications》杂志编委。
