学院简讯|深圳大学统计学名家讲坛第十八讲

      本研究考虑了分位数回归模型在超大容量数据且复杂数据下的分布式计算方法, 并给出几类可以处理复杂数据的快速大数据分布式算法. 由于分位数回归参数估计的目标函数为非光滑函数, 通常的分块集成法和光滑函数高效通讯算法都不适用. 首先对完整观测数据, 我们给出了分位数回归模型参数估计的等度连续法、光滑函数逼近法和改进的数萃（Meta）三种分布式通讯有效算法. 进一步, 考虑了非平衡半监督数据, 分别针对无标签数据样本量较小和较大两种情形, 提出了加权目标函数和数萃的数据融合方法，给出参数估计. 这些方法可以把分散在不同机器上的半监督和无监督观测数据进行数据融合, 从而分别实现了不同数据类型和不同样本量情形下的高效通讯分布式计算,提高了算法的精度和参数估计的效率. 同时通过大量仿真模拟研究了所提出的算法在有限样本下的表现, 并将其应用到了洛杉矶流浪人口数的实际数据分析中, 发现其均具有较好的准确性.

周勇教授，国家杰出青年基金获得者，中国科学院百人计划入选者“新世纪百千万人才工程”国家级人选。华东师范大学经管学部教授，统计交叉科学研究院院长。国务院学位委员会第七届统计学科评议组成员，教育部应用统计专业硕士教学指导委员会委员。中国优选法统筹法与经济数学研究会副理事长, 管理科学与工程学会常务理事。同时担任国内外几个重要学术期刊《中国管理科学》、《工程理论与实践》编委,《Journal of Business and Economic Statistics》、《Canadian Journal of Statistics》、《计量经济学学报（中国）》等的编委和副主编。周勇教授主要从事大数据分析与建模、金融计量、风险管理、计量经济学、统计理论和方法等科学研究工作，取得许多有重要学术价值和影响的研究成果。先后承担并完成国家自然科学基金项目，国家杰出青年基金，自然科学基金委重点项目等科学项目10余项，曾获得省部级奖励二项。

深圳大学数学与统计学院

笃学求实，敏慎善思