2019年6月2日，YOCSEF廣州分論壇、深圳分論壇在廣州大學(xué)城中山大學(xué)數(shù)據(jù)科學(xué)與計算機(jī)學(xué)院成功舉辦了“復(fù)雜大數(shù)據(jù)聚類分析的機(jī)遇與挑戰(zhàn)在何處？”大灣區(qū)IT創(chuàng)新論壇。

本次論壇由YOCSEF廣州AC委員、華南農(nóng)業(yè)大學(xué)黃棟博士，YOCSEF深圳AC委員、深圳大學(xué)陳小軍博士共同擔(dān)任執(zhí)行主席。廣州分論壇副主席王昌棟博士，廣州分論壇主席郝天永博士深度參與，AC委員韋光、謝光強(qiáng)、李冠彬等參與。論壇共吸引了來自北京理工大學(xué)、澳門大學(xué)、中山大學(xué)、華南理工大學(xué)、華南師范大學(xué)、華南農(nóng)業(yè)大學(xué)、廣東外語外貿(mào)大學(xué)、廣東工業(yè)大學(xué)、廣州大學(xué)、廣東藥科大學(xué)、深圳大學(xué)、哈爾濱工業(yè)大學(xué)（深圳）等十余所大灣區(qū)高校、深圳市衛(wèi)生健康委以及多家知名IT企業(yè)的60多人參加。廣州圖普網(wǎng)絡(luò)科技有限公司提供了活動贊助。

論壇分為先導(dǎo)報告和討論爭鳴兩個階段。先導(dǎo)報告階段由陳小軍博士主持。王昌棟博士以“多視圖非線性聚類”為題，著重介紹了非線性聚類、多視圖聚類以及多視圖非線性聚類的理論、方法以及相關(guān)進(jìn)展。陳小軍博士以“面向大數(shù)據(jù)的圖聚類方法”為題，闡述了在大數(shù)據(jù)場景下的圖模型構(gòu)建與優(yōu)化及其在大數(shù)據(jù)聚類問題中的應(yīng)用。張曉峰博士以“基于半監(jiān)督聚類結(jié)構(gòu)調(diào)整的分類方法研究”為題，論述了具備自動調(diào)整模型結(jié)構(gòu)能力的半監(jiān)督聚類模型。黃棟博士以“從集成聚類到大規(guī)模聚類：有限資源下的大規(guī)模聚類問題初探”為題，從集成聚類的若干重要問題入手，進(jìn)一步將話題延伸至在常規(guī)單機(jī)環(huán)境下可應(yīng)對千萬級數(shù)據(jù)的大規(guī)模譜聚類及大規(guī)模集成聚類研究。

經(jīng)過先導(dǎo)報告的多角度論述，論壇繼續(xù)圍繞“復(fù)雜大數(shù)據(jù)聚類的機(jī)遇與挑戰(zhàn)”展開多個相關(guān)議題的討論爭鳴。討論爭鳴環(huán)節(jié)由黃棟博士主持，與會人士針對以下三個議題進(jìn)行了有理有據(jù)、針鋒相對的思辨性正反方討論。

“在大數(shù)據(jù)時代下，無監(jiān)督學(xué)習(xí)的重要性是更為顯著，還是漸漸消退？”“深度學(xué)習(xí)大步前進(jìn)，聚類分析與之?dāng)y手，還是各司其職？以及各司何職？”“大數(shù)據(jù)聚類分析，最亟待解決之瓶頸是硬件、是數(shù)據(jù)、還是算法？”

爭鳴議題一：無監(jiān)督學(xué)習(xí)的重要性是更為顯著還是漸漸消退？

廣州分論壇主席郝天永認(rèn)為，無監(jiān)督學(xué)習(xí)的重要性會更為顯著。大量數(shù)據(jù)的涌現(xiàn)往往伴隨缺乏標(biāo)簽或者很難去打標(biāo)簽的難題，比如在醫(yī)學(xué)領(lǐng)域和金融領(lǐng)域，無監(jiān)督學(xué)習(xí)可以在無類標(biāo)的情況下更好地去解決一些問題，因此“更為顯著”。

華南農(nóng)業(yè)大學(xué)黃棟博士同樣站在正方，認(rèn)為少量標(biāo)簽信息可能使得無監(jiān)督模型效果大為提升，但有時候“模型設(shè)計得好不好”比“是否加少量監(jiān)督信息”顯得更為重要。對于一個好的無監(jiān)督模型，甚至可能在很多數(shù)據(jù)場景下比一些半監(jiān)督模型表現(xiàn)出更好的性能，更關(guān)鍵的問題是模型本身好不好，從實驗上、從數(shù)學(xué)上有沒更好的支撐。

王昌棟則站在反方，以中山大學(xué)校園卡數(shù)據(jù)的實際項目為例，在缺少標(biāo)簽的情況下不同無監(jiān)督模型得出的差異非常大，后來決定將無監(jiān)督模型替換為了半監(jiān)督模型。陳小軍博士也是站在反方，提及此前做過的騰訊金融風(fēng)控方面數(shù)據(jù)，規(guī)模特別大；僅使用無監(jiān)督學(xué)習(xí)的結(jié)果，因為沒有類標(biāo)，非常難以評價，工業(yè)界對這個結(jié)果也是有質(zhì)疑的。陳小軍博士補(bǔ)充表示，更支持半監(jiān)督的方式，在現(xiàn)有的半監(jiān)督作法中，把有監(jiān)督的loss函數(shù)與無監(jiān)督的loss函數(shù)進(jìn)行組合是一種經(jīng)典手段，但這種組合好不好也是他最近在思考的一個問題。

爭鳴議題二：深度學(xué)習(xí)大步前進(jìn)，聚類分析與之?dāng)y手，還是各司其職？

深圳大學(xué)陳小軍博士表示，深度學(xué)習(xí)可以學(xué)習(xí)數(shù)據(jù)表征，之后可用常規(guī)聚類算法進(jìn)行分析，但對聚類分析中的相似度學(xué)習(xí)沒有貢獻(xiàn)，如何運(yùn)用深度學(xué)習(xí)去提升相似度學(xué)習(xí)，或者如何用深度學(xué)習(xí)對非線性可分數(shù)據(jù)得到一個線性空間下的表征，兩者可以相互“攜手”。

中山大學(xué)鄧志鴻贊同利用深度學(xué)習(xí)的方法來學(xué)習(xí)數(shù)據(jù)的低維表達(dá)，以此一致“攜手”。對此，黃棟認(rèn)為，已有“深度學(xué)習(xí)+聚類分析”相關(guān)研究，但只在圖像數(shù)據(jù)集（或高維數(shù)據(jù)）上實驗，因為對圖像這種高維度、有效特征難以提取的復(fù)雜數(shù)據(jù)，深度學(xué)習(xí)在特征表示上的優(yōu)勢顯現(xiàn)，但對于大規(guī)模低維度數(shù)據(jù)，美國服務(wù)器租用，未來也仍是“各司其職”。