-
活动&公告
活动&公告
报告题目： 计算有效且由数据驱动的高维数据变点推断
报告时间： 2023-11-07 14:00——2023-11-07 15:00
报告人： 冯龙
报告地点： 腾讯会议：619848674
主办单位： 数据科学与人工智能学院 数理统计研究中心
【专家简介】
冯龙，南开大学统计与数据科学学院副教授、特聘研究员、博士生导师。入选国家级青年人才计划、南开大学百名青年学科带头人。冯龙于本科毕业于南开大学数学科学学院陈省身数学试点班，博士毕业于南开大学数学科学学院概率论与数理统计专业，获得南开大学优秀博士论文奖。曾获得教育部学术新人奖，天津市数学与统计联合会议青年学者奖。主要从事质量控制、非参数模型、高维数据分析方面的研究，在统计学国际顶尖杂志JRSSB, JASA、Biometrika、Annals of Statistics、JOE、JBES、Technometrics等发表多篇论文。曾访问香港浸会大学、新加坡国立大学和香港大学，曾在美国佛罗里达大学做博士后研究。曾主持一项国家自然科学基金青年项目，正主持一项国家自然科学基金面上项目，南开大学百青项目一项。
【讲座摘要】
最近，能够适应多种变化模式的高维数据变点推断方法受到了越来越多的关注。我们提出了一个使用简单，计算快速，又有效的自适应变点检验方法。一个重要的发现是，在一些温和的假设条件下，对累积了所有的维度和全部可能的变点位置而分别得到的maximum类型统计量和summation类型统计量是渐近独立的。因此，我们有望根据上述两种类型统计量的渐近零分布，再结合它们的p值来构造一个新的检验过程。为了实现这个目标，在施加了比现有文献中对于随机样本各个分量间的相关性条件更为宽松的假设以后，我们发展了新的工具和技术用以建立maximum类型统计量的极限分布。我们提出的方法简单有效，对变点信号的不同稀疏水平都有着良好的适应性。数值研究表明我们的方法与现有方法的有限样本表现相当或者优于它们。
撰稿：梁万丰 审核：富宇 单位：数据科学与人工智能学院
