报告题目:函数型数据分析(二)
主 讲 人:曹 际 国
单 位:温哥华西蒙弗雷泽大学
时 间:8月21日8:30
腾 讯 ID:960 156 710
摘 要:
大数据时代,很多数据在多个时间或者空间点被观测记录。这些复杂数据可以看成关于时间或者空间的函数,在统计学上称之为函数型数据。相较于传统的数据分析(如多元统计分析),函数型数据分析将动态函数曲线作为“原始数据”,具备无限维的空间特征,从而放松对数据采集频率的要求,具有更强的普适性。同时通过函数型数据特有的方法,如函数型主成分分析(FPCA),可以识别高维数据更深层级的动态演化规律,剖析复杂数据下的本质特征,获得更合理、更直观的数据解释。这次报告我会接合实际应用,具体介绍函数型数据分析的里的两种主要方法:函数型主成分分析和函数型线性模型。
简 介:
曹际国博士, 加拿大温哥华西蒙弗雷泽大学(Simon Fraser University)统计与精算系副教授,加拿大数据科学国家特聘教授(Canada Research Chair in Data Science),国际泛华统计家协会加拿大分会执行委员,现担任四个国际优秀统计期刊(Biometrics,Canadian Journal of Statistics, Journal of Agricultural, Biological, and Environmental Statistics和 Statistics and Probability Letters)副主编。曹际国2006年获得加拿大麦吉尔大学(McGill University) 博士,2007年美国耶鲁大学博士后出站,长期从事函数型数据分析(functional data analysis) 和估计微分方程参数的研究.曹际国2010年选为美国统计与应用数学科学学院研究员 (Fellow at Statistical and Applied Mathematical Sciences Institute), 2009年获得加拿大统计学会优秀学者奖 (AusCan Scholar, Statistical Society of Canada), 近些年来在Journal of the American Statistical Association (JASA), Journal of the Royal Statistical Society, Series B (JRSSB),Biometrics等国际统计期刊中发表超过70篇文章。