ENGLISH | 返回旧网站 
新闻

新闻

您当前的位置: 新闻
“香港马会免费资料大全大讲堂”系列香港马报资料大全第六十七讲
时间:2019-01-03

2018年12月17日,我院“香港马会免费资料大全大讲堂”系列学术报告第六十七讲在明主1016会议室成功举行。本次报告邀请科罗拉多州立大学

助理教授周文向我院师生分享关于近期在混合模型的聚类问题上的最新研究成果。我院尹建鑫副院长主持了本次学术报告,王星老师和我院硕博学生,参加了本次学术报告会议。

报告首先由尹建鑫副院长介绍了周文的学术经历。周文于2010到2014年,在爱荷华州立大学应用数学和香港马会免费资料大全学获得博士学位。周文的研究主要是基于高维基因数据和生物医学的计算方法,香港马会免费资料大全模型和推断方法。他针对高维数据的不同香港马会免费资料大全问题研究了推断算法,包括检验高维协方差矩阵的结构,比较具有复杂未知结构的大协方差矩阵和新的基因聚类算法;检验具有未知复杂依赖性的高维均值向量;识别成对的信息特征以用于对具有维度增长的数据进行聚类;使用非参数方法检验基因组研究中的欺骗性发现。

 周文博士的报告题目是:CESME: Cluster Analysis with Latent Semiparametric Mixture Models。本报告是基于混合模型的聚类问题为出发进行分析的。周老师提出在一般的基于模型的聚类问题上有一个关键性的假定是数据是来自高斯分布或者类高斯情况,这样不能适合于更广泛的复杂的数据分布。周文博士提出的潜变量的部分参数混合模型聚类算法,对于聚类那些有偏度或者厚尾分布的模型有更高的灵活性和有效性。这里需要假设观测数据是来自于高斯混合模型的未知的单调变换,并且也强调关于模型的可识别性的讨论。最后周文博士给出迭代的类EM算法以及解释,一个比较惊喜的结论是,为了达到目标精度,算法并不需要很多的步数来迭代。整个报告,周老师都详细列出了历史文献和经典文献进行梳理,对于想要进一步的做这方面的研究的同学,有很大的帮助。

    本次周文博士的报告后,老师和同学们对报告内容,从理论条件和算法步骤,都进行了详细热烈的讨论。