CATEGORICAL SEQUENCE CLUSTERING

Proposition de thèse
  • Quand ? 29/05/2018 à partir de 13:30 (America/Montreal / UTC-400)
  • Où ? Au local D4-2011 de la Faculté des sciences
  • Participants Rongbo Chen, étudiant au doctorat à l’Université de Sherbrooke
  • Ajouter l'événement au calendrier iCal

RÉSUMÉ : Clustering is one of the most common and useful approaches for categorical sequence analysis. Without requiring prior knowledge, categorical sequence clustering allows discovering useful information and informative patterns hidden in the mountains of sequential data. In recent years, as huge amounts of sequential data are collected in genomic and medical studies, security and business applications, understanding hidden information in sequential data is becoming very important in the different areas of applications. Categorical sequence clustering, which aims to provide critical insights and informative behaviors hidden in the sequential data, encounters significant challenges due to chronologically dependent structural values. In this proposal, we will firstly provide an overview of these challenges and its applications in the field of categorical sequence mining. Subsequently, we will discuss the issues of the existing algorithms and present the objectives to be obtained by the proposed research.

Membre du jury, présidente rapporteuse : Aïda Ouangraoua, professeure, Département d’informatique, Faculté des sciences, Université de Sherbrooke

Membre du jury, directeur de recherche : Shengrui Wang, professeur, Département d’informatique, Faculté des sciences, Université de Sherbrooke

Membre du jury, évaluateur interne à l’Université de Sherbrooke : Froduald Kabanza, professeur, Département d’informatique, Faculté des sciences, Université de Sherbrooke

Toutes les personnes intéressées sont cordialement invitées. La présentation aura lieu en anglais.