长江学者特聘教授林华珍、王启华做客学者论坛

文:教师发展中心 数学学院 图:数学学院 / 来源:人力资源部 / 2017-07-03 / 点击量:1985

  近日,长江学者特聘教授、西南财经大学林华珍教授,国家杰出青年基金获得者、长江学者特聘教授、中国科学院数学与系统科学研究院王启华教授受邀做客我校学者论坛,分别作题为“Concordance Measure-based Feature Screening and Variable Selection”和“How to make model-free feature screening approaches for full data applicable to missing response case?”的学术讲座。讲座由国家“千人计划”入选者、数学学院夏应存教授主持,我校从事相关方向研究的师生参加本次讲座。

1.jpg

  林华珍教授的报告从三个部分展开,首先介绍了什么是超高维数据,同时介绍了目前对于高维数据处理的变量选择方法,提出当变量个数过高时,已有方法会出现算法不稳定,精度不够等问题。她在讲座中提出针对超高维数据的一般方法,即先进行独立扫描然后再进行变量选择,但这个过程中仍要利用一些模型的假定信息,因此会造成信息损失。之后,林华珍教授介绍了基于光滑的C-统计量的变量筛选方法,该方法让变量筛选和变量选择在同一框架下进行,从而最大可能地保留了原始数据的信息量。她给出所讲方法在模拟例子和实际的基因例子中的应用,并对所提方法与已有方法进行了比较。

  报告会后,林华珍教授与夏应存教授,英国约克大学张文扬教授及在场学生就变量筛选过程中单调性的假设问题、目前变量筛选方法的发展前沿等问题展开了深入交流。

1.jpg

  王启华教授在报告中首先介绍了超高维数据在基因研究、生物医学图像以及金融等领域中大量存在,进而提出变量筛选和变量选择方法,将当相应变量数据中有缺失的情形下的model-free的变量筛选方法作了简介,借助活跃变量的一种假定,将传统的筛选方法应用于此类特殊缺失数据。王启华教授将所提方法与已有的方法进行比较,给出了例如线性模型和非线性模型的模拟例子。

  报告会后,围绕此类方法在实际例子的应用缺失问题,以及相关的相合性问题,王启华教授在场的师生展开交流探讨。

  本次学术活动由人力资源部教师发展中心主办,数学科学学院承办。

 

  相关链接:

  林华珍,西南财经大学统计学院教授、博导,统计研究中心主任,美国华盛顿大学生物统计系博士后,四川大学博士。教育部长江学者特聘教授,国家杰出青年科学基金获得者,教育部新世纪优秀人才,第十一批四川省学术和技术带头人。先后有论文发表在Annals of Statistics、JRSSB、Biometrika及Biometrcs等国际统计学顶级期刊上,为国际统计学权威期刊《Biometrics》《Scandinavian Journal of Statistics》《Statistics and Its Interface》Associate Editor, 国内核心学术期刊《应用概率统计》《系统科学与数学》《数理统计与管理》编委。研究领域为非参数理论和方法、转换模型、生存数据分析、函数数据分析、时空数据分析。

  王启华,中国科学院数学与系统科学研究院研究员,博士生导师,国家杰出青年基金获得者,教育部长江学者奖励计划特聘教授,中科院“百人计划”入选者,国际统计学会当选会员。1997至今先后访问加拿大Carleton大学、California大学戴维斯分校、California大学洛杉矶分校、美国Yale大学、美国华盛顿大学、美国西北大学、德国Humboldt大学、澳大利亚国学及澳大利亚悉尼大学等十多所国际知名大学。主要从事生存分析、缺失数据分析、高维数据统计分析及非-半参数统计推断等方面的研究。共出版专著3部,Springer出版社出版书中2章,发表论文100多篇,其中90多篇发表在JASA,The Annals of Statistics与Biometrika等国际重要刊物,90多篇被SCI收录,2014、2015及2016年连续3年入选Elsevier中国高被引学者榜单。


编辑:罗莎  / 审核:林坤  / 发布者:林坤